Título original del video: Andrej Karpathy: De la codificación con vibe a la ingeniería agentic
Fuente original del video: Sequoia Capital
Traducción original: Bao Yilong, Wall Street Jingwen
El cofundador de OpenAI, Andrej Karpathy, en su última entrevista, señaló que, los grandes modelos de lenguaje están siendo utilizados como “nuevos ordenadores” que están revolucionando completamente la arquitectura computacional.
El 29 de abril, Andrej Karpathy, quien lideró el desarrollo de Autopilot en Tesla y tiene un papel destacado en OpenAI, analizó en profundidad en un evento organizado por AI Sent, la transición tecnológica actual de los agentes de IA y su impacto profundo en el ecosistema de hardware y software.
Karpathy afirmó que, desde diciembre del año pasado, comenzó a darse cuenta de que un flujo de trabajo centrado en agentes ya es realmente viable, y este cambio marca la llegada sustancial de la era Software 3.0.
Él dijo: muchas personas todavía tienen la impresión de la IA en ChatGPT el año pasado, pero hay que reevaluar, especialmente desde diciembre — las cosas han cambiado radicalmente.
También introdujo el concepto de “ingeniería agentic” (agentic engineering), para distinguirlo de la “programación vibe” (vibe coding) que él nombró el año pasado, siendo el primero una continuación y aceleración de los estándares de calidad en el desarrollo de software profesional.
Él afirmó claramente que, bajo el nuevo paradigma, “mucho del código y las aplicaciones existentes no deberían existir”, y que los procesos de reclutamiento, las herramientas de desarrollo y la infraestructura de la mayoría de las organizaciones todavía están diseñados para humanos, no para agentes.
La dawn de Software 3.0: la transferencia de poder en la arquitectura computacional fundamental
La industria tecnológica está en una encrucijada entre cambios cuantitativos y cualitativos.
Diciembre del año pasado fue un punto de inflexión clave, admitió Karpathy, quien experimentó un profundo impacto ante los últimos modelos de IA:
Los bloques de código generados por sistemas son cada vez más perfectos, y ya ni recuerdo cuándo fue la última vez que los modifiqué. Confío cada vez más en este sistema… (esto me hace sentir) que nunca me había sentido tan atrasado como programador.
Este impacto representa una revolución completa en el paradigma de cálculo. En la opinión de Karpathy, el mercado actualmente subestima la profundidad de este cambio.
Él señaló que estamos dejando atrás la “software 1.0” (escribir código) y la “software 2.0” (organizar conjuntos de datos para entrenar redes neuronales), y entrando oficialmente en la era de “software 3.0”.
En esta nueva era, los grandes modelos de lenguaje son en sí mismos una “nueva computadora”.
Él dijo: ahora tu programación consiste en escribir indicaciones, y el contenido en la ventana de contexto es la palanca que controlas sobre ese gran modelo de lenguaje que actúa como intérprete, permitiéndole realizar cálculos en el espacio de información digital.
Lo que también llama mucho la atención del mercado es su audaz predicción sobre la evolución futura de la arquitectura de hardware subyacente.
Actualmente, las redes neuronales todavía operan en forma virtual en las computadoras existentes, pero él cree que en el futuro esta relación de dependencia se invertirá: puedes imaginar que las redes neuronales se convertirán en el proceso principal, mientras que la CPU será un tipo de coprocesador. Las redes neuronales asumirán la mayor parte del trabajo pesado.
Esto significa que, en el futuro, el “poder de cálculo inteligente” que domina el gasto de capital en todo el mercado consolidará aún más su posición estratégica.
Infraestructura de próxima generación: reconstrucción del ecosistema “nativo de agentes”
¿Hacia dónde irá el valor central y la forma futura de infraestructura cuando la ejecución y la codificación sean tomadas por máquinas?
Karpathy afirmó directamente: Todo debe ser reescrito.
Actualmente, la documentación de los diversos frameworks y bibliotecas de internet todavía está “escrita para humanos”, lo que le resulta sumamente frustrante.
Karpathy se quejó: ¿Por qué todavía tengo que decirles qué hacer? No quiero hacer nada. ¿Debería copiar y pegar algún texto a mi agente de IA?
Las grandes oportunidades del mercado en el futuro residirán en construir infraestructura “prioritaria para agentes”.
En este mundo, los sistemas se descomponen en “sensores” que perciben el mundo y “actuadores” que transforman el entorno, las estructuras de datos deben ser altamente legibles para los grandes modelos de lenguaje, y los agentes de máquina representarán a personas e instituciones interactuando en la nube.
En un futuro tan automatizado, la escasez central de los humanos volverá a centrarse en la estética, el juicio y la comprensión empresarial más profunda.
Karpathy citó una frase que ha estado masticando repetidamente como resumen: Puedes externalizar tu pensamiento, pero no puedes externalizar tu comprensión.
Ingeniería de agentes: una explosión de productividad que supera en “10 veces a los ingenieros”
En el aspecto más importante para aumentar la productividad, Karpathy distingue dos conceptos clave: “programación vibe” (Vibe coding) y “ingeniería agentic” (Agentic engineering).
Él señaló que, mientras la “programación vibe” eleva el nivel mínimo para que todos puedan desarrollar software, la “ingeniería agentic” busca mantener el nivel máximo de calidad en el software profesional.
“La ingeniería agentic” no solo acelera, sino que requiere que los desarrolladores coordinen esos “agentes de IA que son algo propensos a errores, con cierta aleatoriedad pero extremadamente poderosos”, para avanzar a toda velocidad sin sacrificar calidad.
Esto también ampliará enormemente el espacio de imaginación para la producción empresarial.
Karpathy afirmó: “La gente solía hablar de ingenieros 10 veces más productivos”, pero 10 veces ya no es suficiente para describir la aceleración que se logra. En mi opinión, los que destacan en este campo tienen una producción mucho más allá de esas 10 veces.
Frente a esta explosión de productividad, las estructuras organizativas y la lógica de selección de talento en las empresas deben ser reconstruidas.
Sugiere que las empresas abandonen las entrevistas tradicionales basadas en algoritmos y en su lugar evalúen cómo los candidatos utilizan múltiples agentes de IA para colaborar en proyectos grandes y resistir ataques de otros agentes de IA.
Puntos clave para la implementación comercial de IA
Para los emprendedores e inversores que buscan urgentemente escenarios de aplicación de IA, Karpathy ofrece un marco de evaluación muy práctico: la verificabilidad.
Actualmente, la capacidad de IA presenta una especie de “diente de sierra” muy extraña.
Él ejemplifica: los modelos más avanzados hoy en día pueden reconstruir simultáneamente 100,000 líneas de código o buscar vulnerabilidades de día cero, pero me dicen que debo caminar 50 metros hasta la tintorería para lavar el coche, lo cual es una locura.
La causa de esta desconexión radica en que los laboratorios de vanguardia (como OpenAI) invierten recursos masivos en aprendizaje reforzado en áreas donde los resultados son fáciles de verificar, como las matemáticas y el código.
Por lo tanto, siempre que estemos en escenarios comerciales donde los resultados puedan verificarse, la IA puede desplegar un poder enorme.
Karpathy insinúa que todavía existen muchos entornos de aprendizaje reforzado verificables de alto valor que no han sido el foco principal de los laboratorios líderes, y estos representan un enorme océano azul para startups que quieran hacer ajuste fino y monetizar.
Enlace al video original
Haga clic para conocer las oportunidades en BlockBeats en reclutamiento
¡Bienvenido a la comunidad oficial de BlockBeats:
Grupo de suscripción en Telegram: https://t.me/theblockbeats
Grupo de Telegram: https://t.me/BlockBeats_App
Cuenta oficial de Twitter: https://twitter.com/BlockBeatsAsia
