Google presenta Gemini 4 Argon: una IA que encuentra y repara fallas de seguridad sin ayuda humana
El 30 de septiembre, Google presentó oficialmente Gemini 4 Argon de la mano de Koray Kavukcuoglu, vicepresidente senior de Google DeepMind, describiéndolo como el modelo más avanzado de la compañía hasta la fecha. Lo llamativo no es solo su potencia bruta, sino su capacidad para sostener trabajo autónomo durante sesiones mucho más largas: su límite de salida saltó a 1 millón de tokens, frente a los 64.000 que permitía la generación anterior.
Google usa esa capacidad para algo muy concreto: Argon puede encontrar, validar y reparar fallas críticas en más de 20 lenguajes de programación, e inspeccionar sistemas web en funcionamiento sin necesidad de acceder a su código fuente. Por ahora, el acceso no es abierto al público. Queda restringido a un grupo selecto de socios de ciberseguridad a través del programa Fairwind, y recién más adelante llegará a clientes de la API de pago y a suscriptores de Google AI Ultra, sin fecha confirmada todavía.
Qué implica para los procesos de reclutamiento y selección
La aparición de Argon confirma algo que los equipos de selección técnica ya venían notando: la frontera entre “escribir código” y “supervisar a una IA que escribe y repara código” se está moviendo rápido. Si un modelo es capaz de auditar y corregir vulnerabilidades en más de 20 lenguajes sin ver siquiera el código fuente, las pruebas técnicas clásicas —resolver un ejercicio de algoritmos en una pizarra o completar una función en 45 minutos— dejan de predecir lo que realmente importa en el trabajo diario: la capacidad del candidato para revisar, cuestionar y validar el resultado de un agente de IA, no solo producir código desde cero.
Para quienes reclutan perfiles de desarrollo, ciberseguridad o DevOps, esto tiene consecuencias prácticas inmediatas. Conviene rediseñar las pruebas técnicas para incluir ejercicios de revisión de código generado por IA (no solo escritura desde cero), evaluar criterio de seguridad y juicio técnico por sobre la velocidad de tipeo, y preguntar en entrevista si el candidato ya tiene experiencia dirigiendo o supervisando agentes autónomos de IA en su trabajo actual —un requisito que hace apenas un año era casi inexistente en las descripciones de cargo.
Hay también un efecto de escasez a vigilar. Como el acceso a Argon arranca limitado a un programa de socios de ciberseguridad, es probable que en el corto plazo compitan más empresas por un perfil todavía poco común: especialistas que entiendan tanto de seguridad como de IA agéntica. Si tu organización contrata en esa intersección, vale la pena ampliar la búsqueda más allá del título de cargo tradicional (“ingeniero de seguridad”) y mirar candidatos con experiencia práctica usando herramientas de IA para detección de vulnerabilidades, aunque no tengan años de trayectoria formal en ciberseguridad clásica.
Y hay una lectura de fondo que trasciende lo técnico: la velocidad con que avanza la IA agéntica —capaz de sostener tareas complejas durante sesiones completas sin supervisión constante— es la misma lógica que está empujando a los equipos de RRHH a automatizar lo que no requiere juicio humano, para concentrar el tiempo del reclutador en las decisiones que sí lo requieren.
En IntelCV trabajamos con esa misma lógica
En IntelCV.com automatizamos hasta el 80% del proceso de reclutamiento —filtrado de CVs, aplicación de pruebas y coordinación de entrevistas— para que tu equipo dedique el tiempo a lo que realmente distingue a un candidato, ahora que hasta reparar código en producción puede ser tarea de una IA. Si quieres ver cómo se vería esto aplicado a tus propias vacantes, puedes revisar nuestros servicios.