En el año 2025, nuestra filosofía fue trabajar en silencio—sin gritar un solo eslogan rimbombante, sin hacer predicciones poco realistas, y sin esforzarnos en destacar en la comunidad. En una industria que vive del calor de los temas de tendencia, elegimos la opción más difícil: hablar menos, hacer más, y dejar que los resultados hablen por sí mismos.

Hablando de las iteraciones de este año, a simple vista parecen ser solo algunas funciones nuevas, pero lo que realmente importa es el cambio en la lógica subyacente. APRO pasó de ser una idea que parecía prometedora a convertirse en una herramienta confiable que los desarrolladores pueden llevar en el bolsillo. La razón en realidad es sencilla: a medida que la autonomía de los agentes de IA aumenta, necesitan colaborar entre sí en diferentes dominios, y la importancia de una comunicación segura es equivalente a la calidad de los datos en sí. Sin un conjunto de estándares rígidos de comunicación, la colaboración entre agentes de IA terminará en fallos tarde o temprano. Por eso creamos un conjunto de estándares específicamente para garantizar la comunicación segura en entornos de desconfianza. Esto no es para llamar la atención, sino que responde a una necesidad real del mercado.

Casi al mismo tiempo, trasladamos la IA oráculo de un entorno de laboratorio a un entorno de producción. No se trata de un sistema de demostración que impresiona, sino de una herramienta de productividad capaz de manejar millones de consultas en tiempo real y soportar cientos de agentes de IA en operación para tomar decisiones en el momento. Este proceso nos enseñó una regla fundamental: los datos en los que se basa la IA deben cumplir con tres condiciones—precisión, utilidad y trazabilidad. Incluso una desviación mínima puede amplificarse en la operación real, y en última instancia, convertirse en un problema grave.

A medida que más usuarios comenzaron a usarlo, también descubrimos las verdaderas necesidades de los desarrolladores. No buscan un producto rígido y dogmático, sino una herramienta lo suficientemente flexible. Este feedback impulsa la iteración continua de APRO.