a16z Fundador: En la era de Agent, las cosas verdaderamente importantes han cambiado

Autor: a16z

Traductor: FuturePulse

Fuente de la señal: Esta es la última entrevista del fundador de a16z, Marc Andreessen, en el podcast Latent Space. Es un reconocido empresario de internet en Estados Unidos, uno de los personajes clave en los primeros desarrollos de internet; también se convirtió en un representante de los principales inversores en Silicon Valley tras fundar a16z. Toda la conversación gira en torno a la historia del desarrollo de la IA y las últimas tendencias, muy recomendable de leer.

1. Esta ronda de IA no surgió de la nada, sino que es la primera en una carrera tecnológica de 80 años en la que “empieza a trabajar en serio”

Esta ronda de IA no surgió de la nada, sino que es la primera en una carrera tecnológica de 80 años en la que

Marc Andreessen directamente llama a la situación actual “éxito repentino de 80 años”, lo que significa que el éxito aparente en el público en realidad es la liberación concentrada de décadas de reservas tecnológicas.

Él remonta esta línea de desarrollo a los primeros estudios sobre redes neuronales, y enfatiza que en la industria ya se acepta la idea de que “las redes neuronales son la arquitectura correcta”.

En su relato, los hitos clave no son momentos únicos, sino una serie de acumulaciones: AlexNet, Transformer, ChatGPT, modelos de razonamiento, hasta agentes y auto-mejoramiento.

Él destaca especialmente que esta vez no solo las capacidades de generación de texto se fortalecen, sino que aparecen simultáneamente cuatro categorías de funciones: LLMs, razonamiento, codificación y agentes / auto-mejoramiento recursivo.

Su razón para decir que “esta vez es diferente” no es que la narrativa sea más atractiva, sino que estas capacidades ya comienzan a funcionar en tareas reales.

2. La arquitectura de agentes representada por Pi y OpenClaw es una transformación del software más profunda que los chatbots

Él describe los agentes de manera muy concreta: esencialmente “LLM + shell + sistema de archivos + markdown + cron/bucle”. En esta estructura, el LLM es el núcleo de razonamiento y generación, el shell proporciona el entorno de ejecución, el sistema de archivos guarda el estado, markdown hace que el estado sea legible, y cron/bucle proporciona despertadores periódicos y avance de tareas.

Él considera que la importancia de esta combinación radica en que, además de que el modelo en sí es nuevo, los otros componentes ya están maduros, son comprensibles y reutilizables en el mundo del software.

El estado del agente se guarda en archivos, por lo que puede migrarse entre modelos y entornos de ejecución; el modelo subyacente puede ser reemplazado, pero la memoria y el estado permanecen.

Reitera la importancia de la introspección: el agente sabe sus archivos, puede leer su estado e incluso reescribir sus archivos y funciones, avanzando hacia “ampliar uno mismo”.

Desde su perspectiva, el verdadero avance no es solo que “el modelo responda”, sino que el agente pueda aprovechar la cadena de herramientas Unix existentes para integrar todo el potencial de la computadora.

3. La era de los navegadores, las interfaces gráficas tradicionales y las “software de mano” será reemplazada gradualmente por una interacción basada en agentes

Marc Andreessen ha declarado claramente que en el futuro “puede que ya no necesites una interfaz de usuario”.

Además, señala que los principales usuarios del software en el futuro podrían no ser humanos, sino “otros bots”.

Esto implica que muchas interfaces diseñadas hoy para que los humanos hagan clic, naveguen y completen formularios, se convertirán en capas de ejecución llamadas por los agentes en segundo plano.

En este mundo, los humanos serán más como quienes establecen objetivos: indican lo que quieren, y luego el agente llama a los servicios, opera el software y completa los procesos.

Vincula este cambio con un futuro más amplio del software: el software de alta calidad será cada vez más “abundante”, dejando de ser un recurso escaso creado manualmente por unos pocos ingenieros.

También predice que la importancia de los lenguajes de programación disminuirá; los modelos podrán escribir código en múltiples lenguajes, traducir entre ellos, e incluso en el futuro, a los humanos les interesará más entender por qué la IA organiza el código de cierta manera, que aferrarse a un lenguaje específico.

Incluso menciona una dirección más radical: conceptualmente, la IA no solo podría generar código, sino también producir directamente código binario o pesos de modelos (model weights).

4. Este ciclo de inversión en IA se asemeja a la burbuja de internet de 2000, pero la estructura subyacente de oferta y demanda no es la misma

Al recordar 2000, enfatiza que el colapso no fue tanto por “internet no funcionaba”, sino por una sobreconstrucción de infraestructura de telecomunicaciones y ancho de banda, con fibra óptica y centros de datos construidos en exceso, que luego requirieron largos períodos de digestión.

Considera que hoy también se perciben preocupaciones similares de “sobreconstrucción”, pero los principales actores inversores son empresas con abundantes recursos como Microsoft, Amazon y Google, en lugar de jugadores frágiles con alta apalancamiento.

Destaca que, actualmente, con solo invertir en GPU operativas, generalmente se puede convertir rápidamente en ingresos, a diferencia de la gran capacidad ociosa en 2000.

También subraya que lo que estamos usando ahora es en realidad una versión “sandbagged” (conservadora) de la tecnología: debido a la insuficiencia de GPU, memoria y centros de datos, el potencial de los modelos no se ha liberado completamente.

En su opinión, en los próximos años, las verdaderas restricciones no serán solo GPU, sino también CPU, memoria, red y la interacción de toda la ecosistema de chips.

Compara las leyes de escalado de IA con la Ley de Moore, y cree que no solo describen patrones, sino que también continúan impulsando la colaboración entre capital, ingeniería e industria.

Menciona un fenómeno muy inusual pero importante: a medida que la optimización del software acelera, algunas generaciones antiguas de chips pueden incluso volverse más valiosas económicamente que cuando se compraron.

5. La apertura, la inferencia en el borde y la ejecución local no son detalles menores, sino parte del panorama competitivo de la IA

Andreessen considera que la apertura de código es muy importante, no solo por ser gratis, sino porque “enseña a todo el mundo cómo se hace”.

Describe la publicación de código abierto como DeepSeek como un “regalo al mundo”, ya que el código y los artículos difunden rápidamente el conocimiento y elevan el nivel de toda la industria.

En su relato, la apertura no solo es una decisión técnica, sino también una estrategia geopolítica y de mercado: diferentes países y empresas adoptarán distintas políticas de apertura según sus restricciones comerciales y objetivos de influencia.

También enfatiza la importancia de la inferencia en el borde (“Edge inference”): en los próximos años, el costo de la inferencia centralizada puede no ser suficiente, y muchas aplicaciones de consumo no podrán soportar los altos costos de inferencia en la nube a largo plazo.

Menciona un patrón recurrente: modelos que hoy parecen imposibles de correr en una PC, en unos meses a menudo pueden ejecutarse en máquinas locales.

Además del costo, las razones para ejecutar localmente incluyen confianza, privacidad, latencia y escenarios de uso: dispositivos portátiles, cerraduras inteligentes, dispositivos personales, todos son más adecuados para inferencia de baja latencia y en el lugar.

Su juicio es directo: casi todo lo que tenga un chip en el futuro probablemente llevará un modelo de IA.

6. Los verdaderos desafíos de la IA no solo están en las capacidades del modelo, sino en la seguridad, la identidad, las finanzas, la organización y las resistencias institucionales

En seguridad, su juicio es muy agudo: casi todos los posibles bugs de seguridad serán más fáciles de detectar, y en el corto plazo puede haber una “gran catástrofe de seguridad informática”.

Pero también cree que los agentes programables podrán escalar la capacidad de parchear vulnerabilidades; en el futuro, la “protección del software” podría consistir en que los bots escaneen y reparen automáticamente.

En cuanto a la identidad, considera que la “prueba de bot” no será viable, ya que los bots serán cada vez más fuertes; la vía más factible será la “prueba de humano”, que combina reconocimiento biométrico, verificación criptográfica y divulgación selectiva.

También menciona un problema a menudo pasado por alto: si los agentes realmente van a actuar en el mundo real, eventualmente necesitarán dinero, capacidades de pago, e incluso algún tipo de infraestructura bancaria, como cuentas, tarjetas o monedas estables.

En el nivel organizacional, usa el marco del capitalismo gerencial (“managerial capitalism”) y sugiere que la IA podría reforzar las empresas lideradas por fundadores, ya que los bots son muy buenos en informes, coordinación, tareas administrativas y gestión en masa.

Pero no cree que la sociedad acepte rápidamente la IA: cita ejemplos como licencias profesionales, sindicatos, huelgas en puertos, agencias gubernamentales, educación K-12 y salud, que muestran que hay muchos frenos institucionales.

Su conclusión es que tanto los utópicos de la IA como los apocalípticos tienden a pasar por alto un punto: que la tecnología, una vez posible, no significa que 8 mil millones de personas cambien de inmediato.