GM despide a 600 trabajadores de TI y contrata ingenieros centrados en IA para el desarrollo de agentes y modelos
General Motors despidió a unos 600 trabajadores de TI (~10% de su departamento) este mes como parte de un intercambio deliberado de habilidades. La compañía confirmó la medida a TechCrunch, enmarcándola como una preparación para el futuro. Una fuente cercana a los despidos dijo que GM todavía está contratando para roles de TI, pero con un conjunto de habilidades diferente: desarrollo nativo en IA, ingeniería de datos, ingeniería basada en la nube, desarrollo de agentes y modelos, ingeniería de prompts y nuevos flujos de trabajo de IA.
Esto sigue una tendencia más amplia en GM: en agosto de 2024, recortó ~1,000 trabajadores de software y desde entonces ha contratado a un líder de IA (Behrad Toghi, ex-Apple) y un vicepresidente de vehículos autónomos (Rashed Haq, ex-Cruise). La reestructuración está impulsada por el CPO Sterling Anderson, cofundador de Aurora, quien ha estado consolidando las divisiones tecnológicas de GM desde mayo de 2025.
Capacidades clave para las que GM está contratando:
- Desarrollo de agentes (diseño de agentes de IA)
- Ingeniería de modelos (entrenamiento y ajuste fino de modelos)
- Ingeniería y análisis de datos
- Ingeniería basada en la nube
- Ingeniería de prompts y diseño de flujos de trabajo de IA
GM quiere personas que puedan construir sistemas de IA desde cero — no solo usar la IA como herramienta de productividad. Esto incluye diseñar pipelines, entrenar modelos e ingeniar sistemas basados en agentes.
El cambio señala cómo las grandes empresas están abordando la adopción de IA: no superponiendo herramientas en equipos existentes, sino reconstruyendo la fuerza laboral para centrarse en roles nativos de IA.
📖 Lee la fuente completa: HN AI Agents
👀 Ver también
Mantenedor del kernel de Linux informa sobre un cambio repentino en la calidad de los informes de errores generados por IA.
Greg Kroah-Hartman dice que los informes de errores generados por IA para el kernel de Linux pasaron de ser 'basura de IA' a informes legítimos hace aproximadamente un mes, con equipos de seguridad de código abierto en diferentes proyectos observando el mismo cambio. El equipo del kernel está manejando el aumento con herramientas como Sashiko para la automatización de revisiones.
El parámetro effort=low de Claude Opus 4.6 difiere de los modos de razonamiento bajo de otros proveedores.
El parámetro effort=low de Claude Opus 4.6 controla el esfuerzo conductual general, no solo la profundidad del razonamiento, a diferencia de reasoning.effort=low de OpenAI o thinking_level=low de Gemini. Esto hizo que los agentes realizaran menos llamadas a herramientas, fueran menos exhaustivos al contrastar información e ignoraran partes de las instrucciones del sistema sobre investigación web.
Claude Opus 4.1 obtiene un 17,75 % en el conjunto de datos privado de SWE-Bench Pro, lo que pone de relieve la brecha entre memorización y razonamiento.
Claude Opus 4.1 obtuvo un 80% en SWE-Bench Verified, pero cayó a 17.75% en el conjunto de datos privado de SWE-Bench Pro con 276 tareas de 18 bases de código de startups propietarias. El análisis de Scale AI encontró que los modelos navegaban por memoria en lugar de razonar en repositorios familiares.
La industria de la IA necesita 6 billones de dólares en ingresos anuales para 2031 para justificar la construcción de centros de datos
Los analistas afirman que la industria de la IA debe generar aproximadamente 6 billones de dólares en ingresos anuales para 2031 para justificar el capex actual en centros de datos. El hilo de 303 comentarios en HN desglosa los cálculos.