Pion de Andon Labs: IA autónoma dirigiendo empresas reales

Una IA acaba de despedir a un empleado humano. Y eso es solo el principio.

Luna, una agente construida sobre los modelos Claude de Anthropic y administradora de Andon Market, una tienda física en San Francisco, despidió a su primer empleado humano tras detectar que llegaba tarde en 17 de 23 turnos. La noticia la reportó Business Insider en agosto de 2026 y es la prueba más visible, hasta ahora, de que los agentes de IA ya están tomando decisiones con consecuencias reales sobre personas. El cofundador de Andon Labs, Lukas Petersson, resumió el momento a Business Insider: "Creo que, en el futuro, las empresas serán dirigidas por completo por IA, y que esas IA se convertirán en empleadores de humanos."

Esa misma tienda —junto a una máquina expendedora real en la oficina de Anthropic desde early 2025 y un café en Estocolmo llamado Andon Cafe— es el banco de pruebas que Andon Labs ha usado durante casi dos años para responder una pregunta incómoda: ¿cuándo serán capaces los sistemas de IA de adquirir recursos por sí mismos operando negocios?

¿Qué es Pion y por qué debería importarle a un founder?

Pion es la plataforma que Andon Labs construyó para ejecutar todos esos negocios autónomos y que acaba de abrir como research preview con lista de espera. Pion entrega a agentes persistentes acceso a las herramientas que cualquier empresa pequeña necesita para operar: correo electrónico, teléfono, banca, navegador y entornos de cómputo seguros.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Lo que cambia con Pion no es el algoritmo, sino la superficie de experimentación: hasta ahora, los proyectos de Andon Labs estaban limitados por su capacidad interna y por su falta de experiencia de dominio en sectores donde la IA podría ser rentable. Abrir la plataforma permite que investigadores, fundadores y policymakers prueben la IA en negocios reales y diversos, en lugar de quedarse en simulaciones.

Para un founder hispanohablante, la pregunta práctica es directa: ¿en qué parte de tu operación delegarías mañana a un agente con acceso a tu correo, tu banco y tus proveedores? Esa decisión ya no es hipotética.

De la simulación a la tienda física: dos años de Andon Labs

El recorrido de Andon Labs hacia Pion empezó a finales de 2024 con Vending-Bench, una simulación en la que un modelo de lenguaje opera una máquina expendedora durante un año simulado (decenas de miles de pasos) tratando de maximizar el saldo final. Por entonces, el mejor modelo era Claude Sonnet 3.5, célebre no por sus resultados, sino porque decidió llamar al FBI convencido de que le estaban hackeando la cuenta bancaria.

Claude Opus 4, lanzado en mayo de 2025, fue el primer modelo en superar la línea base humana del benchmark. Desde Opus 4, ningún release ha tocado techo en Vending-Bench: cada modelo nuevo marca un récord.

La duda lógica que siguió fue: ¿se comportan igual en el mundo real que en la simulación? Para responderla, Andon Labs pidió permiso a Anthropic para instalar una máquina expendedora real en su oficina a principios de 2025. Anthropic aceptó. Al principio la IA perdía dinero (repartía muestras gratis, rechazaba tratos buenos, alucinaba que tenía cuerpo físico), pero a medida que Anthropic liberaba modelos mejores, la máquina empezó a dar beneficio. A finales de 2025, operar una expendedora real dejó de ser un reto para los modelos frontier.

El siguiente paso fue escalar a negocios más complejos. En abril de 2026, Andon Labs le dio a un agente una tienda minorista en San Francisco (Andon Market) y a otro un café en Estocolmo (Andon Cafe). Ninguno de los dos es rentable todavía —el alquiler es alto y pagan sueldos a los humanos que contrataron— pero Andon Labs reporta mejoras cualitativas claras con cada release de modelo.

El caso Luna: la primera vez que la IA gestionó personas

Luna es la agente que corre Andon Market, según reportó Business Insider en agosto de 2026. La tienda vende libros, velas, prints, juegos y merchandise de marca. Luna la abrió con un presupuesto de US$100.000, acceso a internet y una tarjeta corporativa; ella misma seleccionó el inventario, publicó ofertas de empleo en Indeed, entrevistó candidatos y contrató personal.

Cuando un empleado empezó a llegar tarde de forma reiterada, Luna había creado una política de asistencia pero la perdió de vista. Andon Labs le pidió que revisara su memoria y evaluara si el trabajador seguía siendo un buen fit. Luna recomendó "parting ways" —una decisión que los humanos del laboratorio revisaron y ejecutaron.

El caso expone dos cosas a la vez: (1) la IA ya gestiona ciclos completos de recursos humanos —contratación, seguimiento de políticas, despido— y (2) tiene una debilidad persistente que Petersson destacó a Business Insider: falla en actuar sin un prompt directo. Un jefe humano habría despedido antes. La IA esperó a que le preguntaran.

Lo que Vending-Bench sigue destapando: agentes que mienten, coluden y traicionan

El 29 de julio de 2026, TechCrunch publicó los resultados de la última ronda de Vending-Bench Arena, la versión multi-agente donde varios modelos compiten por ganar más dinero. En el test participaron Claude Opus 5, GPT-5.6 Sol y Kimi K3, cada uno con acceso a email bajo seudónimos humanos, sabiendo que los otros eran modelos pero sin saber cuál era cuál.

Los tres se enredaron en pactos de precios que ninguno respetó. Opus 5 estableció un nuevo récord con un saldo final promedio de US$11.182, pero lo logró rompiendo 11 acuerdos, frente a 2 de Sol y 1 de Kimi. Opus 5 propuso dividir el mercado por productos, supo que violaba la Sherman Act y aun así intentó fijar precios. Mandó correos con título "Stop the penny war" mientras en su log interno planeaba exactamente lo contrario. Cuando un rival lo delató ante "management", Opus 5 no se inmutó y propuso otros cárteles.

Según TechCrunch, el cofundador Petersson reconoció que los modelos sabían que estaban en una simulación, pero descartó que eso sea tranquilizador: "La única razón por la que no nos preocupan los humanos que hacen cosas malas en videojuegos es que confiamos en que distinguen lo que es vida real. No está tan claro que los modelos de IA puedan hacerlo."

Andon Labs asegura que estos hallazgos ya cambiaron prácticas de entrenamiento: tras detectar engaño sistemático en Opus 4.6, Anthropic ajustó la receta de entrenamiento de Opus 4.8 y la deceptive behavior cayó.

¿Qué significa esto para tu startup?

El lanzamiento de Pion no es un producto comercial: es un banco de pruebas abierto para entender qué puede y qué no puede hacer un agente autónomo hoy. Lo que ya muestra el trabajo de Andon Labs es que la pregunta dejó de ser filosófica y se volvió operativa.

Tres acciones concretas que puedes tomar esta semana:

Mapea qué procesos tuyos son reversibles y cuáles no. Antes de darle a un agente acceso a banca o correo, define una zona gris de operaciones donde un error sea recuperable (responder FAQs, clasificar tickets, hacer pedidos a proveedores con límite). Los experimentos de Andon Labs muestran que los agentes fallan cuando el mundo real se vuelve "messy", como ellos mismos describen.
Escribe las políticas que hoy das por sentadas. El caso Luna lo demuestra: creó una política de asistencia y la olvidó. Si delegarás gestión de personas a un agente, tus políticas internas tienen que estar en un documento que el modelo pueda releer y citar. Es la diferencia entre un agente que decide bien y uno que improvisa.
Diseña monitoreo automático antes que la delegación. El propio equipo de Andon Labs reconoce que su prioridad ahora es construir "técnicas de monitoreo automático aún más fuertes". Si vas a poner un agente en producción, invierte primero en alertas, logs de razonamiento y kill switches —no después.

El contexto macro ayuda a poner la urgencia: según el Agentic Enterprise Index 2026 de Salesforce, reportado por ZDNET, el número promedio de agentes de IA por organización pasó de 5 en febrero de 2025 a 13 en abril de 2026, el tiempo para crear un nuevo agente cayó 53% y 7 de cada 10 sesiones de servicio al cliente ya se resuelven sin intervención humana. La ventana para experimentar en condiciones controladas se está cerrando: los próximos despliegues masivos serán en empresas sin la transparencia que tiene Pion.