¿CÓMO IMPLEMENTAN IA las Empresas más Avanzadas? | Debate Tech

Estoy empezando a confiar más en los agent, agents haciendo workflows que en los developers haciendo workflows o que en los humanos haciendo procesos sobre los workflows. ¿Sabes? O sea, hay un momento donde dices: "Oye, que es que la evolución que están teniendo los LLMs es tan bestia". ¿Por qué estaba tan obsesionado con el determinismo si nada es determinista en el fondo?

¿Cuál es el futuro de, de, de estos agentes, no? ¿Cuál es el mercado para un Lovable cuando Cloud Code esté mucho más democratizado?

Que a veces pensando que una tarea como migrar de una tecnología a otra es tan compleja porque tenemos tantas líneas de código que tenemos que tener trimestres y trimestres de trabajo, que para personas esto es un blocker total. Y ahora, ¿qué podemos hacer? Que podemos hacer, eh, en trocear todo esta salchicha muy grande de trabajo en trozos más pequeños y dar a cada pequeña, a cada este trocito a un agente.

Cloud Code, si no he entendido mal, te puede como spawnear agentes nuevos y ejecutarlos solamente para esa tarea. Nosotros hablamos con mucha gente que se monta unos esquemas en la cabeza de sistemas multiagénticos y tal y no saben por qué realmente. Y yo lo que siempre les digo es: "Tú empieza con un solo prompt y verás hasta dónde llegas. Y cuando te encuentres los límites, ahí es cuando tienes que empezar a gestionar el contexto en un subagente".

Está todo el mundo construyendo lo mismo, todo el mundo está haciendo la, la misma aplicación.

La ventaja es para los, no los primeros, sino los últimos. Ese es el gran problema. O sea, los más lentos ganan aquí.

Bienvenidos a la tertulia de Itnig.

Bienvenidos una semana más al pódcast de Itnig. Yo soy Bernat Farrero y hoy estoy con Ilia Saiads.

Hola, hola.

Y César Migueláñez.

¿Qué tal?

¿Cómo estáis?

Muy bien.

Bueno, os he puesto aquí en un sofá juntos, ¿vale? Para ver si consigue César venderle a Ilia su latitud.

Vale, estoy preparado. ¿Te imaginas? Y hago el pitch aquí en directo y todo. No, no, no. Eh, o sea, nosotros no... Es lo que te decía antes, no, no vendemos. Nosotros entendemos el caso y si vemos que podemos ayudar...

Como inversor, esto me encanta.

No, porque al final es que si, si no hay encaje, no tiene sentido perseguirlo, ¿sabes?

No, pero algún encaje tiene que haber con alguien algún día.

Sí, sí. Sí, sí. Y lo hay.

Yo tengo una alergia a la gente de producto que repite una vez y otra que no, el cliente que sea no es ICP, no es ideal customer profile, no es target co-customer.

Es como todo.

Yo esto me genera una alergia, ya lo sabes, porque ya llevamos unos, unos años trabajando juntos y, y yo no, no, no, no lo soporto.

Sí, pero es como todo, no, no es blanco y negro. Eh, obviamente, hay que encontrar el balance y saber que hay empresas a las que no les puedes vender y empresas a las que sí.

Pero tienen que existir las que sí.

Claro que sí. ¿Cuál es tu ICP, sí, en este caso? Sí, nuestro ICP, eh, son empresas que tienen un producto de IA en producción, eh, entre ponle cien empleados y mil quinientos. Eh, geografía da un poco igual, la verdad, pero generalmente funciona mejor en Europa, bueno, EMEA, vamos a decir.

Checa todo.

Y Estados Unidos. Sí, sí, sí, yo estoy, estoy aquí. Eh, trabajamos con empresas que... eso no sé si lo he dicho, eh, que, que están escalando su producto de IA, ¿vale? Eh, nosotros al final el life cycle de, de un producto de IA lo dividimos en tres partes. Una es prototipado, experimentación. La otra es deploy y poner en producción y ver qué pasa.

Y la otra es, vale, ahora que tengo algo que sé que es lo que quiero, o sea, este es el producto que quiero, necesito ver que funciona, necesito mejorar, necesito añadir más features y necesito asegurarme de que no estoy poniendo un producto que está roto delante de mis clientes. Entonces, con esta última parte es con la que estamos ayudando ahora mismo.

Vale. Entonces, Ilia, ¿por qué no le compras?

Específicamente, porque yo estoy con todos los aquí. No, tenemos que ver el caso, tenemos que ver si, si realmente las necesidades que tenéis ahora mismo vosotros y el top of mind encaja con lo que nosotros solventamos. Es, es que es así de sencillo.

¿Sabes cuál es el, el, el concern que tendría yo si hiciera infraestructura para IA? Es que cada tres meses lo estamos tirando todo a la basura y volviéndolo a hacer.

Total.

O sea, es una cosa que dices: "Genera una incertidumbre".

¿Qué más a contar?

Y, y ca-y cada vez la, la infraestructura o el middleware para trabajar con IA es más, más shallow, más pequeño.

Mhm.

¿No? Porque, mmm, de serie los modelos son capaces de hacer más cosas. Eh.

Todo.

Yo veo, Ilia, cada vez que diciendo, cuando me ha dicho: "Yo tengo la infraestructura perfecta para escalar", no sé qué. Al cabo de tres meses me he cargado todo o el 80 % porque ya no hace falta.

Sí, sí. Eso lo vemos todo el rato, todo el rato. Y mucha gente que, que por ejemplo, bueno, no, no me gustaría mencionar a la competencia, pero Langchain, eh, fue un framework que salió hace tiempo y que tenía un montón de abstracciones para que los modelos funcionaran para ciertos casos de uso donde el modelo en sí no llegaba. Y lo que pasa es que se han comido las abstracciones con patatas porque los modelos han ido mejorando y ya no necesitas muchas de, de esas abstracciones que, que el framework tiene.

Entonces, ahora vemos mucha gente que está sacando todo y yendo directamente a la API de OpenAI casi, ¿sabes? Em, y esto es algo que nosotros, por ejemplo, tenemos en cuenta. Ahora estamos haciendo un framework, eh, separado completamente de la plataforma y lo estamos bajando a, a las primitivas básicas por esto mismo, porque no que-no queremos construir demasiado harness, que se llama, porque sabemos que de aquí a seis meses, o OpenAI o Anthropic van a sacar un modelo que todas estas cosas que ahora mismo no se podían hacer, sí que se pueden hacer a nivel de modelo.

Eh, es, es jodido hacer un producto en este, en este tipo de industria.

Pero ¿por qué tú ves una oportunidad aquí? Porque hay Vercel ya es de que hay más tra-- hay 20 más que-

Mhm

...que puedo ahora a nombrar. ¿Por qué, no sé, q-queréis construir otro?

Pues nosotros hemos destilado, eh, esas primitivas de las que hablo, de cómo se interactúa con un modelo-

Mhm

...a un framework muy sencillo, ¿vale? Que es lo que ahora mismo tenemos dentro de la plataforma, donde tú simplemente, o sea, en lugar de, eh, los prompts siendo, eh, viviendo dentro del código, los prompts se convierten en un, eh, ciudadano de primer nivel que se llama. Em, y tú piensas solamente en la orquestación basado en prompts, cómo los conectas con otros prompts, eh, básicamente, y qué tools les conectas a ellos.

Entonces, es como que hemos cogido esas primitivas, em, de cómo funciona un agent y las hemos destilado al máximo, eh, para que tú montar una arquitectura de un agent sea supersupernatural y esté separado del código. Porque también hemos visto que mucha gente que no es necesariamente técnica, em, quiere montar ese tipo de sistemas.

Y si tú tienes unas primitivas que ellos no acaban entendiendo, por mucho que tengas, eh, cursores o Cloud Codes o sistemas similares, al final hay una parte que no van a entender nunca. Entonces, para nosotros un sistema agéntico se puede construir simplemente pensando en instrucciones en lenguaje natural. Es como una, una forma de, de construir software no determinista, por así decirlo.

Eh, y este framework lo proponemos por eso mismo, porque queremos simplificar esas primitivas y que no necesites ni siquiera saber código para montar un sistema complejo multiagéntico.

Mhm. Con esa, tu visión es que tenemos, simplificamos al máximo el product, am, equipo de producto, que tenemos PM siempre jugando con estos prompts y después vendo que en, en su evaluations todo está mejorando o empeorando.

Mhm. Sí.

Vale.

Sí, sí.

¿Por qué este PM no trabaja con Cloud Code?

¿Por qué? Porque hay una capa de infraestructura para mejorar un producto no determinista que Cloud Code nunca te va a dar. O sea, al final, tú para mejorar un producto de AI no te vale simplemente con el código, ¿sabes? En un producto determinista sí, porque al final tú puedes hacer código, haces test.

¿Qué significa un producto determinista?

Producto determinista es un producto de, de código de toda la vida, donde dos más dos siempre son cuatro, ¿vale? Entonces, a ti no te hace falta una base de datos para saber que tu código funciona bien, pero en un producto de AI es distinto. Un producto de AI-

¿Por qué?

Porque en un producto de AI tienes que estar captan-capturando los traces de producción, eh, para saber lo que hace tu agente en, en in the wild, ¿no? En, en lo salvaje. Em, y realmente el sistema de evaluaciones, que esto es uno de los descubrimientos que hemos hecho a final del año pasado, em, el sistema de evaluaciones tú lo haces en base a los failure modes que tú detectas que tu agente está haciendo.

Em, y para detectar esos failure modes, eh, me estoy metiendo aquí ya en el barro más técnico absoluto, que luego en los comentarios nos, nos lo mencionarán. Eh, pero para detectar esos failure modes, tú lo que tienes que ver es cómo se comporta tu agente en el mundo real.

Totalmente.

Entonces, tú cuando tienes un producto de código, o sea, a pesar de que esto sí que es algo que siempre se ha hecho, ¿no? Tú lo sacas a producción y de repente los test daban igual porque se te rompe producción y, y ya está. Em, pero en el, en el producto agéntico es, o en el producto de, de AI es mucho más importante, porque realmente con el mismo prompt es que te puede sacar cosas totalmente distintas. Entonces, tú necesitas detectar esos failure modes, necesitas agregarlos de alguna forma y es como una capa de infraestructura que un Cloud Code nunca va a tener, sobre todo si lo haces a escala.

O sea, tenemos gente que nos ingesta.

Yo ahora igual haremos doble clic en eso, pero yo he cambiado mi opinión en los últimos, eh, dos meses, yo creo. O sea, yo antes, lo recordará la audiencia, eh, estaba muy obsesionado con el determinismo, ¿vale? O sea, yo no me movía de ahí. Estaba encallado en: oye, yo no voy a mover un proceso crítico de un negocio a un agente, eh, indeterminista.

Workflows versus agents, ¿no?

Workflows versus agents. Bueno, sí, exacto. Em, lo que pasa es que ahora, o sea, los workf-- los agents son tan buenos haciendo workflows, eh, workflows predictivos-

Mhm

...que estoy empezando a confiar más en los agent, agents haciendo workflows que en los developers haciendo workflows o que en los humanos haciendo procesos-

Total

...sobre los workflows, ¿sabes? O sea, hay un momento donde dices: oye, que es que la evolución que están teniendo los LLMs es tan bestia la, la confianza que te dan, que por qué estaba tan obsesionado con el determinismo si nada es determinista en el fondo.

Total.

¿Sabes?

Esta ha sido nuestra tesis desde principios del año pasado.

Pues fíjate que yo he ido cambiando mi opinión. A ver, sigue habiendo un problema en las empresas, que es que hay que culpar a alguien. ¿Sabes? Alguien es responsable de la liada. No puedes decir: "No, es que hay un agent". No, no, alguien tiene que ser responsable, ¿no? Eh, entonces, bueno, eh, ¿cómo gestiona esas jerarquías, esos, estos accesos, estas man in the loop, estas...?

La auditabilidad, por ejemplo. Superimportante para una empresa. Quizás si tú estás ejecutando un agent para ti personal, no te importa tanto, aunque siempre quieres ver lo que, lo que-- quieres poder acceder a lo que ha pasado, ¿no?

No, la auditabilidad, efectivamente.

Pero para una, una empresa, el, el saber qué decisiones ha tomado el agent y poder cambiar el comportamiento de este agent en base a esas decisiones, es que eso es esencial. Y esto no te lo va a dar nunca un, un ID de código, ¿sabes? No, no va a ser Cloud Code, no va a ser cursor, pero por un tema de que no, no encaja a nivel de, de modelo mental.

Son tareas muy diferentes. Por un lado es observabilidad y otra ca-- y otra cosa es que mira, tú ves un problema, tú ves un error, ¿qué tú haces después? ¿Cómo tú correges este prompt? ¿Cómo tú reca-- reconfiguras el sistema?

Mhm.

Esto, Cloud Code o Codex da igual qué, puede ser perfectamente.

Sí, pero entrarás en un loop donde tú haces cambios en tus instrucciones y rezas para que las evaluaciones vayan mejor. Sin embargo, si utilizas un algoritmo como JEPA, eh, que te busca el prompt correcto, eh, utilizando las eva-- el resultado de las evaluaciones como reward function, eh, te ahorras este trabajo.

Entonces, son muchas cosas a conectar y sobre todo hay un trabajo de infraestructura de datos que es que no, no te va a hacer el ID, ¿sabes?

Porque al final, vale, nos mostramos muy técnico, pero JEPA es al final es el mismo agente club, que tú pones input, tú pones output y tú, eh, intentas maximizar el output.

Sí, más o menos, más o menos.

Por eso, mmm, vale, es como: compro, pero depende de, de qué quieras hacer.

¿He hecho comprar?

¿Qué, qué es lo que compras? No está quedando claro.

Cuidado.

No, no, compro la idea, compro la visión, compro la simplificación. En ca-caso mío, como yo estoy optimizando un montón de prompts con Codex. Es como: tengo un eval que está, mmm, no está portando bien o que no-- yo quiero cambiar un behavior. Por eso estoy explicando a Codex que: mira, esto, muchos steps o muchos tokens, no sé qué, o responde mal.

Codex actualiza mi prompt y está haciendo en loop ante-- y después s-saca todo bien y al final podemos deployar la producción y ver que, que todo, todo esto pasa. Por eso, esto loop ahora para mí funciona. Claro que a escala no, porque tenemos que captar esa producción y todo. Pero al final no sé si, ah, si quiero juntar cosas de, mmm, de esta, de monitorización con cosas de optimización de prompts en este, en este problema.

Si es tan problema grande para mí ahora.

Mhm. Para mí es un tema que viene con la escala y viene también con el desconocimiento del dominio. Eh, porque trabajamos con muchas empresas que el developer es que no tenía idea de qué es lo correcto y qué no. Eh, y esto-

Pero vosotros. No, es que esto es muy-

Nosotros tampoco. No, no.

Menos.

Claro, pero de hecho, o sea, nosotros lo que, lo que proponemos no es te vamos a decir lo que está bien y lo que está mal. No, no. Nosotros te vamos a dar un proceso donde tú puedes guardar las ejecuciones de tu agent y un domain expert puede entrar y anotar, eh, qué es lo que ha ido bien y qué es lo que ha ido mal. Y te ayudamos a construir ese dataset, que realmente es donde está el, el, es, donde está, donde está el, el kit de la cuestión.

¿Puedes explicar la historia de mi pull request?

Venga, habla de tu libro.

Está relacionada. Está relacionada.

Sí, sí, sí, sí.

O sea, claro, esto que decimos de entender el problema es que hay veces que el problema es muy difícil, ¿no? Tú imagínate que haces un software para gestionar un avión o yo qué sé, o no sé. O aún más complicado que un avión, un sistema de payroll. Creo que debe ser de lo más complicado que ha generado el ser humano. Entonces, claro, un developer, em, entra ahí, ¿no?

Y ve, y ve un ticket, alguien se ha quejado, ¿no? Pues, eh, por ejemplo, este caso, eh, que voy a explicar es alguien de Brasil. Alguien de Brasil se ha quejado de cómo está viendo su salario o una visualización del salario de una, de un equipo, ¿vale? Eh, entonces, esta persona se queja y entonces explica cómo es su percepción, cómo debería ser, ¿no?

Ese developer lo analiza, dice: "Ah, efectivamente, es incorrecto, tal". Hace una pull request y lo cambia. Y lo cambia y cambia la forma de visualizar los salarios anualizados con las compensaciones adicionales en una visualización, eh, mensual, ¿vale? Una visu-- una visualización mensual donde muestra cómo es la compensación anual de una persona y cómo cambia en el tiempo, tanto las compensaciones fijas como las variables, ¿vale?

Entonces, ¿qué pasa? Eh, esta persona viene de un ticket de Brasil. En Brasil están acostumbrados a entender los salarios, las compensaciones de una manera. Eh, y esta persona, pues aparte de este, mmm, esta comprensión del problema parcial de, de-- que viene de este ticket, ¿no? Y hace un cambio que afecta todas las formas de visualizar esto, hasta el punto que lo veo yo.

Claro, yo lo veo, pero claro, en, ya en este momento donde estamos, digo: no puedo ver esto y no arreglarlo, ¿no? Entonces, Cloud Code. Me pongo, ¿no? Digo: venga. Además, dices: no es aquello, no es aquello que digo hago un fixed typo, ¿no? Corrijo un texto de un, de... No, no, me-- voy al motor de contratos.

Digo: voy a ver, voy a ver qué tal.

Fixed typo es, es, fixed typo es como la, la pull request por defecto del CEO, ¿no?

Exacto.

Hasta ahora.

Pues ya no. Ahora es modificar el mo-- la forma de visualizar contratos en un software de payroll, que dices: hostia, ojo. Em, y, y claro, empiezo, o sea, empiezo a trabajar con Cloud, eh, y, y es brutal, porque empiezo a hacer preguntas de com-- cuáles es el esquema, eh, de, de compensaciones, de dónde está. Y me lo, me lo explica, pero es que mejor que IA, con todo el respeto.

No, no, mejor que IA imposible. Pero quiero decir, muy bien, ¿vale? Me lo explica muy bien y empiezo a iterar. Digo: oye, oye, oye, pero, pero, ¿y dónde está esto? Y tal. Y al final me hace una propuesta de cómo arreglarlo. Y digo: oye, pues, pues dale, dale, ¿no? Em, y bueno, esto después de pasarme, eh, dos días, eh, intentando correr Factorial en mi máquina.

Vaya, es que esto es un problema.

Sí que es difícil. Lo demás es-- pero bueno, también hay que decir-

No, pero también con Cloud Code.

Pero también con Cloud Code. O sea, también es verdad, con Cloud Code. O sea, yo tenía un Notion de doscientas páginas, bueno, no tiene páginas un Notion, pero muchas, muchas líneas, eh, explicando cómo correr en local el, eh, Factorial, que evidentemente, pues...

Que no es verdad. Al final, primer bloque dice que corres este script y ya está. Que Bernat...

Me lo salté.

Has saltado. Has saltado. Me he saltado. Sí, porque dije: uy.

Es modo difícil, ¿no?

Demasiada magia. Dije: demasiada magia. Vamos a bajar. Eh, total, que, que bueno, lo conseguí y tal. Y oye, y que por cierto es una, una pasada cuando ves algo como Factorial corriendo en tu máquina, dices: ¡buah!

Soy un hacker

Soy un hacker. Sí, y en este momento soy un hacker. Pero espérate, porque luego cuando haces un cambio y ves que funciona, bueno, esto ya... ¿Sabes? O sea que-- y además que lo has entendido. Dices: "No, es que no he hecho ninguna-- o sea, lo he hecho mejor-

Mhm.

...de lo que se me hubiera ocurrido en todas las posibles maneras", ¿no?

Total.

Cómo escribe el código, cómo lo piensa, cómo lo hace mantenible, cómo lo documenta. Es que es espectacular.

Sí, sí.

¿No?

Yo, eh... bueno, no he usado Cloud Code para esto, eh, lo he usado para otras cosas. Para código suelo usar Cursor, aunque ahora dices que es de viejos, ¿no? Pero...

Sí, estás en la prehistoria, tío.

Yo creo que Cursor tiene mejores números para ganar que Cloud Code.

Ahora, ahora hablaremos de eso.

Ahora, si, si queréis entramos.

Uy, esto es un hot take.

Sí, claro. Sí, sí.

Esto lo dejamos ahí.

Pin. Eh, y con Cursor es que revisé el onboarding entero de la aplicación. Me costó exactamente lo mismo que a ti levantarla en local. O sea, fue lo, lo que, lo que más me costó en tiempo.

Bueno, es un poco más pequeño Latte, tú te imagino que factorial-

Es un poco más pequeño, pero tío-

Algo más pequeño.

Parece que no, pero... o sea, o sea, nosotros hacemos el end-to-end de, de los LLMs. Entonces, tenemos un montón de piezas de infraestructura que tienen que funcionar bien. Eh, y esto me costó un poquito, pero bueno, lo, lo resolví. Y es que, tío, en dos horas rehice el onboarding entero de la aplicación. En tres estaba en producción. Y claro, yo no me he atrevido nunca jamás a hacer algo más que arreglar un typo.

Mi código no, no es capaz de ir a producción, ¿sabes? O sea, yo puedo programar, pero no, no a ese nivel. Y con esto es que me, me ha cambiado completamente cómo-

Oye

...cómo veo el desarrollo.

Yo le pregunté a, a Ilia: "Oye, ¿la puedo liar?" Me dice-- "La, la puedo liar haciendo algo". Y me dijo: "No. Hagas lo que hagas, no la puedes liar". ¿Por qué? Porque tenemos un proceso de, de code reviews, tenemos un CI, tenemos un sistema de testing, tenemos un montón de cosas. Tenemos un, un reviewer Copilot que aparece por ahí que dice cosas superinteligentes.

Mhm.

O sea, al final digo: "Hostia, ¿yo me puedo pasar solo con los agents hablando ahí días?"

Pero esto es mi visión ahora. Es como, eh-- y es también-- he, he cambiado un montón en-- especialmente en noviembre, en diciembre, con este nuevo modelo de gen-generación de modelos, de con Opus cuatro-

Total

...cuatro punto cinco, con GPT-52, todo esto. Y al final que yo veo que si hago un poco de retrospección de a mí mismo en año 2025, yo pensaba que: "Mira, sí, en algún momento vamos a llegar a este punto cuando casi no vamos a escribir un código y ya está". Año 27, año 28.

Y al final, para mí, personalmente, esto pasó en finales de 2025. Es como-

Igual

...ahora no escribo casi nada de manera manual, todo con, con agentes. Y ahora yo veo también esto una oportunidad grandísima, democratizar todo este proceso de development para todos.

Mhm.

Por eso vamos a meter todos los-- nuestros PMs, los, nuestros diseñadores en GitHub, dar acceso a Copilot, y cada vez que ellos ven un bug, una cosa que ellos quieran cambiar, van a abrir un issue.

Sí.

Y con este issue, van-- Copilot va a cogerlo, va a implementar algo. Puede ser que no es verdad, puede ser que es un pull request mal hecho, pero al final es una oportunidad empezar discusión con un developer, con todo, y no poner en este Jira ticket que todo el mundo va a olvidar siempre.

Total. Lo que pasa es que yo insisto que el problema es el problema.

Sí.

O sea, entender el problema. No, no aplicar la solución que alguien propone o no.

Totalmente. Pero antes era un montón de capas, que puede ser que tú entiendas un problema, pero tú tienes que explicar a otra persona, tú tienes que transmitir su mente a esta persona y esta persona tiene que entender totalmente todo esto perfecto. Ahora tú haces una compresión de todos esas capas. Tú puedes ir directamente y cambiar tu widget de salario o sistema de contratos.

Una cosa que me pasó heavy es que cuando estaba en el ma-- en el momento cénit, ¿sabes? Ahí que estoy, estoy viendo cambios, tal. Ostras, esto es la hostia. Se me acaba el crédito, ¿sabes? Eso es como una tragaperras. Que estás ahí, ta, ta, ta, ta, y en un momento dice: "Oh, up, fa-- eh, pon más coins". Digo... Ilia me dijo: "No, no lo hagas".

Me dijo: "No lo hagas, que tenemos ya toda la suite, utiliza la de..." No sé, y digo: "No, no, no, no, es que esto no puede parar ahora". Pague y tal. Y bueno, al final llegué, ¿no? Hice la, la pull request, eh, funcionaba perfectamente.

¿La hiciste a mano o te la hizo también Cloud Code?

Todo, todo, todo Cloud Code. ¿Pa, pa qué?

Ya, ya, total.

¿Pa qué? Yo ya-

Es que ya no, no uso ni el terminal, macho. Ahora le, le escribo a Cursor y hace cosas. Esto no lo entiendo.

Esto es otra corriente de pensamiento.

Mhm.

Pero bueno, ahora entraremos. Eh, que Codex, por cierto, va en esta un poco-

Exacto.

En esta línea.

¿Tú has probado nueva aplicación de Codex?

No.

Y esto para mí es como un exactamente esta historia, como yo veo este cambio de desarrollo ahora. Porque-

Codex, la aplicación nueva que ha sacado-

Porque sí

...la ha escrito OpenAI.

OpenAI es-- son muy malos en nombres, esto sabemos, por eso todo, todo-

No, es peor Google en nombres.

Pues sí, sí, es verdad, pero...

Sí, si hablamos de nombres.

Exacto. Sí, OpenAI está haciendo que está nombrando todo Codex. Por eso todo es Codex. Modelos son Codex. Eh, si hay de, de terminales, Codex. Esto, una aplicación es Codex. Y también tenemos una versión de cloud, también se llama Codex. Ah, pero al final, si comparamos Cursor y comparamos estos agentes, estas aplicaciones, ah, nuevos, ¿cuál es la diferencia más grande?

Hombre, para mí, eh, la interfaz de consumo del código.

Exacto.

Por eso uso Cursor.

¿Cuál es la diferencia?

En Cursor me es hiperfácil ver el diff de lo que tenía antes y lo que ha hecho Cursor. Y puedo ajustar cosas supersuperrápido porque la interfaz está preparada para eso. Para mí es la gran diferencia con, con los Cloud Code de la vida. Y esto-

Es el pensamiento medieval.

Puede ser.

Ahora te explica Ilia.

Puede ser. Puede ser. Sí, sí. Y para mí es exactamente-

Hace, hace cinco minutos me estaba convenciendo de eso.

Exacto. Sí, sí, sí. Porque al final yo, yo estoy pensando es esto. Sí, ah, porque, ah, hace una semana, eh, he hecho una, una charla para Factorial Internes, como, cómo está evolucionando todos los, eh, herramientas para desarrollo con IA y todo, y fui a historia. Como cuando hemos cambiado desde Assembler a Fortran, por ejemplo.

Y una de primeras ma-- tareas más importantes de, de personas que estaban desarrollando compilador de Fortran era exactamente este: ¿cómo aseguramos que gente tiene confianza

En qué estamos, uh, creando. Porque la primera reacción de gente era la misma, es como: "Nunca va a ser que máquina puede escribir assembler mejor que yo. Esto es imposible". Y, y mira, cuántos años después.

Yo, yo para mí, honestamente, no, no es mi forma de verlo, eh, porque yo no, no puedo escribir código de producción. O sea, no, no, no tengo este background de-

Por eso, por eso me está sorprendiendo

...lo quiero revisar yo, lo quiero hacer yo. Para mí es un tema de-

Por eso, por eso me sorprende, ¿eh? Porque yo, yo, Ilia, hace cinco minutos, que tenía otra opinión, le estaba diciendo a Ilia: "Es que yo necesito saber dónde están las cosas".

Porque la primera reacción de Bernat cuando, eh, tú, tú has hab-- mmm, tú abierto, cuando tú has instalado Codex, ¿cuál era tu, tu reacción primera?

Dónde están los archivos.

Exacto. Dónde están los archivos.

Dónde están los archivos.

Exacto. Y me parece, es una cosa a-antigua, que no vamos a necesitar ver f-- archivos tanto, no vamos a necesitar ver diffs.

Pero ¿no, no crees que es parte del proceso de validación que sigue siendo superimportante?

Pero, un momento, nos estamos perdiendo un poco en el detalle. Yo estaba haciendo un hilo y me habéis interrumpido. Déjame-

Yo estoy trampeando cosas.

Ahora vamos a, a comparar los code agents, ¿no?, y como tal. Eh, pero yo estaba explicando, bueno, estaba explicando la pull request, que al final eso llega a producción. En producción, mmm, entra dentro del circuito de: hay unos reviewers, lo, lo revisan como si nada.

¿Te pusieron comentarios o no?

Sí.

¿Los ignoraste o no?

No, no, no, no, es que yo no tengo la, yo no tengo el poder de hacer el merge.

No, ya, ya, pero quiero decir, o sea, ¿hiciste cambios a la pull request después de haberla mandado la primera vez o no?

Eeeh-

Con Copilot, sí.

Ah, okey. Vale.

Con Copilot. Los comentarios de Copilot sí, que además es un botón. Dices-

Ah, directamente en GitHub

...vale, y te hace el commit.

Okey.

O sea, realmente es que, mmm, es que no hay que hacer nada. Yo no sé hoy en día qué hace la gente. Pues que- ...es muy fácil, ¿no? Es, es extremadamente fácil. Lo, lo que es difícil es entender el problema.

Exacto.

Y mira, yo te digo, yo escribí por Slack al developer, que casualmente era un developer que acababa de entrar en Factorial, pobre. O sea, acababa de entrar-

Y te, te ha servido la, la pull request.

Una pull request del CEO, ¿sabes? Que le dice: "Oye, tío, qué tal".

Y se va llamándote por la tarde.

A las, a las siete y media de la tarde, el tío respondiéndome y no tal.

Qué valiente ponerte un comentario.

¿El qué, el qué?

Valiente que te pusiera un comentario.

No, no, por Slack.

Ah, vale.

Por Slack, ¿vale? Yo le escribo y le digo: "Oye, tal, vamos a hacer una call porque esto, mmm, no está bien, por eso, ta, ta, ta".

Qué presión.

Total, bueno, eh, hemos tenido la call y claro, luego al final el problema es el problema. El problema es entender el problema, ¿no? Porque dices: es que ni es-- ni estaba bien la propuesta que, que hizo este, este chico en particular, ni estaba bien tampoco mi pull request, ni tiene en cuenta todo. O sea, tenemos que tener una perspectiva tan grande para poder resolver este problema.

Y bueno, y un poco como pasa cuando, cuando escribes código, que yo hacía años que no escribía código, que es que vas, vas tirando de un hilo, vas tirando de un hilo y al final acabas llegando a, a los fundamentos de todo, ¿no? Pero dices: no, pero es que realmente esto, esta lógica, eh, esta lógica debe estar definida en otro sitio, ¿no? No debe estar definida en el front-end, debe estar definida en el back-end, tiene que ser parte de GraphQL, eso está definido varias veces de distintas formas en distintos sitios.

Vamos a tener que arreglarlo en todos lados. Total, que vas metiendo gente y al final acabas siendo casi un all hands de Factorial por una, una pequeña cosita.

Para poco que es trescientas líneas, ¿no?

Está todo el mundo ahí y tal. Claro, la gente tampoco me dice que no, porque soy yo ahí supermotivado con arreglar esto. Deja a la gente lo que está haciendo. Y, y que-- pero, pero es interesante porque todo este proceso, eh, es orquestado por un cloud code.

Mhm.

Eh, y yo podría realmente llevar algo en producción, eh, aun sin, sin-- yo hace quince años que no programo, por eso.

Para mí es exactamente esto, como tú estás diciendo. Es una posibilidad abrir la puerta y empezar la discusión. Porque ahora tú no tienes limitación mental, que mira, código es algo totalmente fuera de, de mí, yo no puedo hacer nada. Por eso lo mejor que tú puedes es, es escribir a alguien en Slack, ¿no? Tú puedes abrir ahora código, preguntar a Claude y como mínimo empezar.

Claro, yo siempre he intentado bajar lo máximo posible, pero mi forma de bajar ha sido con un developer, eh, mirándole-

Mhm.

¿No? Eh, y, y yendo, abriendo cosas, llegando al esquema de la base de datos, cosas que pueda entender, ¿no? Eh, los métodos que donde pueda pasar, pero no hasta el punto de meterme yo. Y yo para meterme tengo que entender tantas cosas que tenga-- tenía una barrera brutal. Pero entonces, hablando con Claude, hablando con Claude, ostras, es que realmente entiende dónde está todo y por qué, ¿no?

Y cosas como por ejemplo, eh, un, un, el locale, ¿no? Eh, cómo cambias un, un texto, que en Factorial es, joder, es complicadísimo. Cómo cambiar un texto, o sea, le fix typo en Factorial good luck, ¿sabes? Porque están mil lenguas, no sé qué tal. Entonces, eh, pues si tú cambias la co-- cambias, por ejemplo, un texto en una lengua que no toca, Claude sabe cuál es el proceso de actualización-

Mhm.

De, de los locales, ¿no? Y cuál es el master.

Lo tenéis como en el agent en tío.

Sí, que es verdad, sí que es verdad.

No, vale.

O sea, me-- come-- yo cometí un error a pesar de Claude.

Ah, vale, yo pensaba que es Claude cambiando esto. Vale, vale, vale.

Esto no te lo había contado, pero Claude me dijo: "No, no, si realmente tienes que actualizar solo este, eh, esto luego se sincroniza con un servicio externo que se llama Cloudin o lo que sea". Eh, y ta, ta, ta, ta. Y yo, yo aún así la lié, pero, pero es un problema mío, no de Claude. Eh, pero quiero decir que es increíble, es como tener un superdeveloper al lado, ¿no?

Entonces, y ahora entrando en el tipo de code agents, yo he probado varios. Eh, yo empecé con Cursor, y Cursor me daba paz porque era un IDE donde tú veías el código, todos los archivos y bueno, y tenías un asistente como, como un developer al lado que tú le preguntabas: "Oye, ¿dónde está tal?" Y te lo abría.

Entonces, Ilia lo que me dice es: "Ya, pero realmente, ¿qué haces navegando por las carpetas que no sabes cómo funcionan?", ¿sabes? O sea, al final hay tanta complejidad que dices: ¿por qué no le preguntas y vas directamente a los sitios y confías en este, en este agente que te navegue por la topología del código y...?

Y claro, cuando cambias de mindset dices: ostra, es verdad que, que igual no es tan importante tener el sistema de archivos, la estructura de navegación ahí. La sintaxis, eh-

No. Al final son dos pasos diferentes para mí. Es cl-claro que a-a veces hay complejidad, que ahora no, no vamos a pensar que el LLM ha cambiado a todos los developers y no hay trabajo más para developers. Es que hay problemas que el LLM no puede resolver ahora, pero cada día esta cantidad es mucho más pequeña, está minimizando. Pero para mí ahora son exactamente dos, dos pasos diferentes.

Una cosa es definir el problema, como tú estás diciendo, que al final el problema es el problema. Por eso enfocamos en esto y es todas esas interfaces de Claude Code. Porque para mí era tan-- cambio tan grande de la perspectiva, que en Claude Code tú piensas sobre la problema, sobre el problema, tú no piensas sobre el código. Y lo mismo ahora en Codex, mucho más grande, que tienes que encontrar este botón para ver un div o no sé qué.

Es como: mira, pone aquí tus skills, pone aquí tu problema, pon aquí tu automatización.

Pero y eso es lo bueno, es que te enfoca en el problema.

Exacto.

Tú discutes con el problema, te genera, eh, esquemas, ¿no?, eh, tablas, ¿no? Y, y, y te ocupas la pantalla no con código y estructura de ficheros, sino con realmente navegando sobre el problema. Y te va sacando en tiempo real todo aquello que es necesario para entenderlo, que igual es un trozo de código y te dice: "Esto antes estaba planteado así, ahora es ahora", pero igual es una tabla, igual es un dibujo.

Porque para mí desarrollo real es esto, es exactamente: tú piensas sobre una idea y, mira, yo quiero probar esto, yo me-- quiero hacer un como es-- hay un concepto que se llama tracer bullet, es exactamente. Es como probar desde uno hasta final que esto funciona. ¿Cómo puedo llegar más rápido a este punto, vale, con, con estos agentes? Y después, cuando todo está preparado y yo estoy...

quiero enviar un pull request, sí, aquí yo puedo abrir mi IDE, verificar que todo está bien y abrirlo. Pero son pasos diferentes.

Ya. No sé, eh, estoy de acuerdo, estoy de acuerdo. Yo, yo creo que para mí el hecho de validar que no la estoy liando era bastante importante y por eso tengo tendencia a preferir Cursor.

Pero es una falsa sensación de, de validarlo, ¿no? Porque realmente, eh, o sea, sobre todo cuando el codebase es grande y tal. Ostra, f-- buena suerte, ¿eh?

Hombre, pero si estás tocando algo del front end y de repente ves que te hace una migración, ¿sabes? Igual miras doble y dices: "Uy, por aquí no era". Eh-

Pero no tienes esa sensación, ¿eh? Con Claude tienes la sensación de control, ¿eh? Te explica muy bien lo que va a hacer, por qué lo va a hacer. No sé, ahora parece que estoy vendiendo yo Claude Code por una experiencia de una semana.

Después, Nacho alucinando, está, está tan confiado. Pero espérate, no es verdad. Pero sí.

Pero de momento-- pero lo curioso es que Codex, que es la nueva, el nuevo superproducto que, que ha lanzado OpenAI, sigue la línea-

El moldbot de OpenAI.

¿Eh?

El moldbot de OpenAI.

El moldbot. Bueno, eh, sigue la línea de Claude Code, no sigue la línea de Cursor, ¿sabes? O sea, lo, lo nuevo que están sacando es, este, una interfaz diferente para escribir código.

Sí, a mí, honestamente, me parece que ninguno de estos va a ganar.

Porque me parece-- Codex al final no es una aplicación para developers en largo plazo. Es un-- lo mismo como Copilot de Anthropic. Sí, ellos quieren automatizar todo que hay en, en tu ordenador, por eso tienen estos automations. Pero claro, es más fácil entrar por developers porque ellos tienen un niche, ellos tienen su brand.

Es que se, se están encontrando todos, ¿eh? O sea, los Lovables, los Claude Codes, ¿no? Eh, los moldbots o, o, o-- ¿cómo es ahora?

OpenClaude, OpenClaude.

OpenClaude, los OpenCloud. O sea, al final todo es lo mismo, todo puede hacer todo.

No, Lovable no, es como-- es, es otra discusión.

Lovable también.

Sí, ¿cómo tú ves Lovable?

Yo creo que tiene sentido para ciertos casos de uso, eh-

¿Pero en dos años?

En dos años. A ver, ¿van a seguir haciendo falta landings, sí o no? Yo creo que sí. Entonces, a mí Lovable para hacer landings me parece un producto de puto madre.

¿Y por qué no Gemini? ¿Por qué no chat de Pinterest?

Yo no veo el caso de uso de Lovable más allá de dos meses.

Porque Gemini, eh, primero de todo, estás limitado a los modelos de Google, que para mí es por esto que, que ni Codex, ni Claude Code, ni ninguno de estos va a acabar ganando, porque te quita la posibilidad de utilizar otros modelos. Eh, y de hecho, mucha gente en lugar de Claude Code usa OpenCode, ¿no? O Pie o cualquiera de estos.

Bueno, nosotros, ¿no?

Nosotros.

Aparentemente, porque Inea me está diciendo: "Quítate Claude Code y pon OpenCode".

Claro, hombre, es que tener acceso a todo el rango de modelos...

"Déjame en paz, me lo estoy pasando bien con Claude Code".

Para tu caso yo creo que da igual. Eh, pero para un developer, no sé, yo creo que es importante esto.

Para poder cambiar de modelos.

Claro.

No tanto. Ahora esta-- entramos en este, en este-- como capas muy diferentes, porque para mí ahora tenemos modelos, que claro, hoy no, no son tantos. Hay de China y hay de Estados Unidos y ya está. Pero al final, ah, y después tenemos estos harnesses.

Bueno, hay uno europeo, ¿eh?

Yo no sé ninguna persona que usa Mistral.

Mistral.

¿Hay un modelo de-- de Claude?

Sí.

¿Eh?

Ah, no sabía que tenía-

Hay de Mistral y de todo, pero son modelo muy pequeño, que es para cosas mu-- cambios muy pequeños. Tú no puedes hacer estos cambios como tú has hecho.

Creo que hay un modelo español también, que es el que utiliza la Agencia Tributaria.

El de Pedro Sánchez, ¿no?

Bueno, sigue.

Y al final hay otra capa que es, que estos harnesses, yo no sé si hay una palabra en castellano, pero es como correr-

Arneses, no.

Harness.

Arnés.

¿Arnés? Vale.

Venga.

Que cómo al final, qué pone estos todas las herramientas, qué pone todas las re-reglas, cómo usar estos modelos o cómo hacer este loop, este agent loop, así. Cloud code, Cursor, ah, Pi, Pi OpenCode y todo esto. Por eso yo veo que antes todos los desarrolladores, como cada persona tiene su religión, es como: "Yo soy persona de Vim, yo soy persona de VS Code, yo persona de, no sé, de Emacs".

Y ahora es lo mismo pasa con-- pero con harnesses-

Total

...que cada persona tiene su, su manera cómo usar esto.

Total.

A mí me gusta Pi, por ejemplo, porque es una cosa que es un harness que tú puedes preguntar a sí mismo cambiarse.

Mhm.

Es como: "Mira, no me gusta como tu, tu, tu pantalla es. Cambia el color, cambia no sé qué o anádeme un otro plugin", y Pi puede escribirse por su cuenta.

Que pienses-

Es la hostia eso

...es, es sobre lo que se basa Cla-- OpenClaude.

OpenClaude, exactamente.

¿No?

Es como mi narrativa es así, que al final este, mmm, chico Steinberg, al-- ¿qué has hecho? Ha, ha cogido este Pi, que tiene un agent loop, todo está preparado, todas las conexiones con LLMs, y ha construido otra capa por encima que habla con Telegram u otras cosas, y también que tiene este script.

Tú decías, tú eres muy crítico con-

Sí

...OpenClaude.

Sí.

Pero yo me pregunto: ¿y por qué Pi? Nadie f-- nadie conoce Pi y todo el mundo conoce OpenClaude.

Ahora todo el mundo está pa-paso a paso encontrando Pi. Si tú ves esas estrellas-

Sí, pero lo han conocido a través del otro, a través de OpenClaude.

Vale, claro, que a-- uno tiene un mejor marketing, pero es peor producto. Pero al final o Pi es no-- Pi es producto mucho más limitado, es solo para developers.

Claro.

Es solo para constructores. Tú puedes mañana, si quieres, construir su propio OpenClaude por encima de Pi, pero no es un producto acabado. Y OpenClaude es otro tema.

Vale.

Y, y que yo creo que OpenClaude lo hizo muy bien precisamente con la capa esta de mensajería.

Exacto.

El hecho de, de que esté integrado en WhatsApp, integrado en Telegram y tal.

Es que la aplicación es muy importante.

Y con la capa de memoria, esta no sé bien cómo lo gestiona Pi, pero la capa de memoria era la hostia-

No hay, no hay memoria sí

...en OpenClaude.

Sí.

Y son, para mí son estas dos cosas, y el resto es que es Claude Code o cualquiera de los otros harnesses, eh, quizás más Pi. Em, o sea, no he visto innovación, eh, en ese lado de, de OpenClaude. Para mí la innovación ha sido cómo se conecta un-- con aplicaciones que ya estás usando y cómo gestiona la memoria.

Lo mismo.

Bueno, pues que esto es innovación también.

Sí, sí, sí.

Sí, sí, sí.

Em, tú utilizas Pi, dices.

Sí.

¿Para qué?

Para todo, para desarrollo.

¿Cómo para todo?

No, para-- al final, mmm, ah-

¿Qué es todo?

Mira, a veces estoy escribiendo código. Sí, en Factorial también escribiendo código. Es que, que claro, para código, para automatizaciones de mi, mis tareas, pues lo mismo. Tengo Obsidian, que tiene todos los mi como segundos cerebros, como tiene todas mis notas, tiene todas mis tareas y todo.

¿Por qué utiliza Obsidian y no Notion, por ejemplo? Perdona, un paréntesis.

Va a ir por todo tu stack.

Todo, todo.

Te estoy preguntando por qué.

Porque pasa nada. Porque tengo en, ah, esto en local, tiene integraciones con todos los aplicaciones, es, ah, ch-o sea-

O sea, porque es en local, ¿eh? Ojo.

Sí.

Eso es interesante.

Sí, para notes, sí.

Luego haré doble clic.

Y también es Markdown todo. Es Markdown, no es un formato privado como Notion. Como es muy fácil exportar esto tú-

Es texto plano.

Es texto plano.

Que tienes en tu ordenador.

Exacto.

Y te fías más de eso.

O tienes en tu iCloud o tienes en-

Por si algún, algún día quieres cambiar de Obsidian a otra cosa.

Exacto. Que, que ha pasado conmigo, porque a veces-

Que ha pasado.

Sí, sí.

Tú lo tienes ahí en tu carpetita y lo puedes subir a otro sitio.

Exacto.

Y todo bien.

Y que es más importante.

Pero es por eso, no es por este mapa que te hace de-

No, esto no

...de conceptos.

Esto me da igual, esto me da igual.

Que la gente se-

Sí, sí

...se lo estuve, lo estuve viendo esto en su momento y...

Esto se llama performance porn, que gente está optimizando su, su stack para pensar que va a ser mucho más performance, pero al final-- o mucho más eficaz, pero al final no es, no es lo que pasa.

Al final nada.

Sí. Por eso, en este c-ah, caso, que es, em, también tú tienes cada esta carpeta, por eso tú puedes poner Pi y decir que: "Mira, Pi, tú tienes todo esto sobre-- y sabes todo esto sobre mí. ¿Cuál es mi tarea más importante para esta semana?" O no sé qué, depende de tu, de tu contenido, es más fácil conectar un agente, porque es un file normal, es un, es un archivo.

Vale.

Ah, por eso es un conecto con-

Puedes generar automatizaciones mucho más rápido.

Exacto.

Con Notion no, no va. Sí que va.

Puede ser que va, pero es una API, es un otra cosa.

Sí, tienes que ir con la API.

Exacto, exacto. O descartar esto de manera manual o encontrar una-

Es que Notion, la sincronización que hace cl-- eh, local y cloud es una mierda.

Con la aplicación local, dices.

Sí.

Ah.

O sea, yo he tenido sustos. No sé si vosotros os ha pasado.

Yo no uso la aplicación local.

¿No? ¿No utilizas Notion?

Notion sí, pero la web.

¿Solo en la web?

Sí.

Ah, pues yo he utilizado la aplicación local y a veces estás escribiendo, eh, tienes cambios hechos en la, en la aplicación local y te desaparecen.

Guau.

Pero me parece Notion en web hace lo mismo. Es como tiene su, tiene su stack local para sincronizar cosas y es un web app al final.

Sí, es un web app.

Sí. Pero da igual.

O sea que también te puede pasar.

No me ha pasado nunca.

Pero Pi yo uso extremamente por eso. Es como al final es un coding agent muy potente que yo uso o con Opus o con, ah, Codex, depende del, de la tarea, porque me-- ah, en mi me-mente hay una diferencia muy, muy clara: que yo uso O-- ah, Codex cuando yo ten-- yo me-- primero tengo tiempo, que no es algo que: "Mira, en tres segundos tengo que tener una respuesta".

Porque Codex va, va a pensar, va a pensar para 10 minutos, 15 minutos fácil, especialmente en un, un code base como Factorial tan grande. Pero ¿qué es más importante? Que después yo voy a confiar mucho más en su respuesta comparaba con Claude, porque Claude es una persona a veces un poco, ah, drogada. Es como mira-

Es una persona, ¿eh? Pero bueno, pero se lo tradujo a-

A mí me gusta antro-- como hacer esta antropomof-morfismo en ese sentido que pensar que es una, una persona. De acuerdo. Mi mente funciona así. Pero es un po-- persona drogada es que: "Sí, yo puedo hacer todo para ti y va a ser muy rápido", pero después tú ves esto y esto tiene a veces cero sentido, porque va, va tan rápido-

Pero el conjunto de las cosas, ¿no?

Sí, sí, sí, sí. Especialmente para cosas muy grandes, que: "Mira, revísame toda la arquitectura y piensa cuál es la solución mejor para aquí".

Mhm.

Esto no. Es Co-- Opus a, a veces, ah, está siendo mucho peor que, que Codex.

Vale.

Y esto es mi expresión. Si es algo mucho más complejo arquitectúralmente, es Codex. Si es algo: "Mira, optimizamos este script", es Opus, porque es más rápido.

Vale. Eh, ¿y tú has dicho OpenCode?

Sí, OpenCode es lo-

¿Qué es OpenCode?

OpenCode es como Claude Code. Es un harness, es la misma, ah, pero es mucho más popular, ah, comparado con Pi, porque Pi es muy niche, es para, no sé, para hackers. Y O-OpenCode tiene también marketing en Twitter muy potente.

Sí, los founders son muy conocidos.

Sí, sí, sí. Por eso...

Vale, vamos al, a la, a parte de diseño.

Sí.

Que hemos hablado de Lovable Eh, el, el, el Cloud Code, o sea, los agentes de código ya se limitan solo a escribir código para el backend. Escriben código para el frontend y van muy rápido y lo hacen muy bien-

Mhm.

Y reaccionan muy bien a tu feedback.

Mhm.

Por eso digo: ¿qué diferencia hay cuando un Cloud Code se popularice o, eh, o, o se encuentre con Cloud CoWork? Porque Cloud CoWork viene de una experiencia de usuario mucho más alto nivel, menos pensado en el desarrollo web.

Un Cloud Code con una UI por encima.

Claro. Hay un momento en que todo esto se encuentra, ¿no? Y tú al final tienes un prompt, un ChatGPT, donde tú le dices: "Oye, quiero una app para hacer esto". Y te la hace. Igual que Lovable. ¿Sabes? O sea, ¿cuál es el futuro de, de, de estos agentes, no? ¿Cuál es el mercado para un Lovable cuando Cloud Code esté mucho más democratizado?

Por eso te dices: "Para hacer una landing". No, es que para hacer una landing vas a utilizar Claude.

¿Sí?

O, o ChatGPT.

Es que no lo sé, tío, porque tú cuando has hecho una la-- una landing, o sea, si la haces en tu casa en calzoncillos y es para ti como indie hacker, fantástico. Pero si la estás haciendo como parte de una iniciativa del equipo de marketing, eh, tiene que entrar otra persona a meter los copies o a revisarlos. O sea, hay un tema de colaboración que Lovable tiene embebido por defecto, por el hecho de ser una web donde tú simplemente invitas al equipo y todo el mundo puede colaborar en torno a, a lo mismo.

Eh, a mí, por ejemplo, Replit me parece un ejemplo de lo mismo. A mí el caso de, de que exista un Replit en el mundo me sigue teniendo un montón de sentido. Yo sé que los developers si-siguen prefiriendo, eh, trabajar en local, eh, están acostumbrados ya a, pues, eh, sistemas de diffing de código, pull requests, etcétera, etcétera.

Pero buena suerte explicándole esto a alguien que no es adyacente a, a la parte técnica. Entonces...

Yo, yo esta, e-esta sincronización, es que es un problema que, que ha pasado toda la vida, el cómo sincronizar, mmm, varios procesos en paralelo. Luego entraremos en la orquestración y los agentes múltiplos.

Sí.

Pero bueno, que también tiene un problema de, de sincronización, ¿vale? Pero si estamos hablando de humanos, si lo que nos preocupa es los humanos, que por cierto, de aquí a dos días están en la playa todos, pero nos preocupa los humanos, eh, que se sincronicen. ¿Por qué un buen orquestrador, por qué no un buen LLM puede entender quién ha hecho qué y cuándo?

¿Por qué no puedes generar-- trabajar con un sistema multilocal? Por ejemplo, el Obsidian este.

Mhm.

¿Qué pasaría si ahora yo tengo una réplica de tu Obsidian y un agente que nos sincroniza?

Sí.

¿No? Yo voy escribiendo en mi Obsidian-

O que mi agente habla con tu agente y ya está.

Exacto. Tu agen-- nuestros representantes se reúnen y deciden qué es lo bueno. Seguramente será lo de Ilia. Eh, pero ¿sabes? O sea, ¿por qué no, por qué no res-resolvemos este problema con sincronización? ¿Por qué tener que trabajar siempre en este paradigma de colaboración del SaaS de toda la vida?

¿Sabes? Que es lo que estamos muy acostumbrados. Ya lo sé que estamos muy acostumbrados.

Porque para mí no tiene sentido que tú quieras arreglar algo en, en Factorial y estés dos días levantando la aplicación en local. No tiene ningún tipo de sentido para mí.

Pero bueno, pero ese es otro tema. Es que, a ver, es que han metido una cantidad de historias que no te imaginas. O sea, yo me las he leído ahora, pero ahí está corriendo... O sea, podríamos gestionar una central nuclear con todo aquello, ¿sabes? Pero...

Claro, pero por qué-

No tiene nada que ver. Para hacer-- para actualizar un Obsidian no hace falta lo de Factorial.

Te pongo el ejemplo. O sea, ¿por qué eso es mejor que registrarte en Replit, tener la aplicación ya corriendo y puedes hacer los cambios que quieras?

No, esto sí, pero mi pregunta es: ¿qué moat, no sé, tiene Lovable comparado con compañías grandes como Google, Cloud y Anthropic y OpenAI?

Comparado con herramien-- con, perdón, con compañías grandes es el sistema multimodelo, al final.

Pero esto yo no puedo.

César, pero ten en cuenta que Lovable y Replit en empresas en, en producción, empresas grandes, se utilizan para hacer pruebas de concepto.

Mhm. Sí.

Vale, pues para hacer una prueba de concepto no necesitas, eh... O sea, es otra cosa. O sea, puedes, puedes sincronizar las-- los modelos de arriba y abajo y a nadie le importa.

Mhm.

Porque luego, si realmente quieres implementar esta prueba de concepto, te tienes que ir a la complejidad, te tienes que ir a Git, te tienes que ir a un sistema de control de versiones.

Sí, pero ¿por qué local?

No, pero ¿por qué no locales? Como mi pregunta es al final, ah, ¿qué, qué yo estoy observando aquí? Lovable, cuando empezó todo, en Twitter, estos gráficos muy grandes, que mira cómo, cómo crecemos y ahora crickets. Por eso no-- mi, mi...

¿Qué gráficos muy grandes? No sé qué estás hablando.

De MRR, de MRR. Esto es como de-

Ah, no, pero sigue creciendo, ¿eh?

Sigue creciendo, pero no, no, no tanto.

¿Lovable?

Sí.

La hostia. Trescientos millones de euros de RR.

Pero me interesa ver cómo yo-

En dos meses ha ido de doscientos a trescientos.

Sí, vale, por eso estoy-

No, no, no, no, no. No, o sea, se-- el uso hoy lo tiene, eso sin ninguna duda. Pero estamos-- yo estoy intentando pensar a futuro.

Exacto.

Y si realmente la gente se utiliza-- se acostumbra a utilizar herramientas tipo Cloud CoWork, ¿sabes? ¿Por qué generarle la complejidad de hacer logins, de entrar en sitios, de sincronizar cosas cuando realmente tú puedes estar trabajando libremente?

Y otra pregunta, que al final, si Cloud o Claude, Anthropic, fácilmente pueden, ah, darte precio mucho más, más bajo comparado con Lovable, porque tienen tokens gratis en esa sensación. Que Lovable en algún momento tiene que empezar a pensar sobre sus márgenes. Por eso aquí también tenemos otro ventaja de-

Tokens gratis no tienen, ¿eh? Luego veremos la cuenta de resultados de OpenAI.

No, pero estoy diciendo que para Anthropic y OpenAI, este, este margen de tokens gratis es-

En teoría tiene que tener más margen. A la práctica está todo tan subsidiado que no sabes dónde está el margen.

Sí, sí, sí.

Pero Lovable subsidiaba mucho. Pero Lovable subsidiaba mucho más. Es que por eso, capa por capa, por capa. Por eso, claro que en algún momento alguien tiene que-

No, sí, en algún momento debería tener más margen el, el modelo.

Sí, sí.

Bueno, pues eso, eh, que puede tener sentido un mundo mucho más local o no, no lo sé. Y eso me lleva a la siguiente discusión de los multiagentes.

Vale.

¿No? Pero yo veo en todos lados que la gente habla de, yo qué sé, Deloitte tiene veinte mil agentes trabajando en Deloitte O sea, yo digo: ¿Pero esto qué es? O sea, ¿qué, qué es, qué es un agente?

Clase de métrica, ¿no?

Creo-- digo: ¿Esta métrica qué significa? O sea, ¿qué es un agente? ¿Qué, qué significa veinte mil agentes? ¿Por qué veinte mil y no veinte o, o doscientos mil? ¿Qué-- estamos hablando de instancias de, de computación? ¿Vamos a contar las instancias de computación o qué estamos hablando? Es como un antropom-antropomorfismo de conceptos, eh, que no son antropomórficos, que no son humanos.

Para mí es una más definición de la tarea, porque, vale, esta orquestración de-- voy a explicar de, solo de, de mi libro. Es que yo veo ahora que antes era siempre muy complejo. Yo he visto un montón en nuestros developers que a veces pensando que una tarea como migrar de una tecnología a otra o migrar de una abstracción a otra es tan compleja porque tenemos tantas líneas de código que tenemos que tener trimestres y trimestres de trabajo o, y también tenemos que hacer la orquestración del equipos, que para personas esto es un blocker total.

Y ahora, ¿qué podemos hacer? Que podemos hacer, eh, en trocear todo esta salchicha muy grande de trabajo en trozos más pequeños y dar a cada pequeña, a cada este trocito a un agente.

Me encanta que le llames salchicha, pero para dar un poco de contexto, ¿sabes los típicos Gantt?

Sí.

Que aparecen las salchichas-

Sí, sí, claro.

Una detrás de la otra. Vale.

Hay que cortar la salchicha.

Siempre hablamos de salchichas y digo yo: "No sé si esta gente..."

Ahora entiendo.

Sigue, pero no me digas.

Sí, es como-- y al final, y tú puedes pasar esto a un agente, que mira, tú tienes un, una tarea muy grande, pero tu tarea personalmente como un agente, resolver es, es otro trozo. Y esto es, como yo veo, un, el último frontier, el, eh, la tarea más grande para todos los aplicaciones que tenemos, Codexes y Cloud Codes y todos.

Cómo orquestrar estos swarms, ah, de agents. Porque nuevo modelo que Kimi-

Enjambres.

Enjambres. Vale, voy a aprender.

Swarms es enjambres.

Vale, gracias. Voy a aprender más palabras. Ah, pues...

Enjambres de agentes. Pero es que a ver, yo, Ilia-- o sea, antes estábamos discutiendo esto hace unas horas y yo le decía: "Pero Ilia, pero, pero ¿y a quién le importa eso? O sea, los enjambres. ¿A quién le imcom-- le importa que haya un mixture of agents? No sé, cada día se llama de una forma diferente, ya me pierdo. Eh, o sea, en el fondo, ¿cómo se llama? Mixture of agents.

No, estas son como cosas distintas.

Sí, eso son cosas distintas.

Bueno, vale. Especialistas que resuelven problemas distintos.

Sí.

Un orquestrador que coordina los especialistas.

Sí.

¿No? Y al final acaba siendo como un project management-

Exacto.

Entre agentes, donde que generan su, su Jira y ponen sus tickets y colaboran. Oye, muy bien, agente.

Exacto, sí. Promocionar agentes. Sí, sí, sí.

Se promocionan. Exacto. Muy-- ole, muy bien. Ahora es el CEO. Muy bien, ole. Enhorabuena.

Sí, sí.

Espera un momento. ¿Esto qué le importa al usuario? Pues el usuario lo que va a hacer es pedirle algo a un agente, a un prompt, a una interfaz, a una voz, o sea, a una, a un, a un, a un micro, que le va a dar un micro y le va a hablar a un micro.

Además, esto ya pasa, ¿no? Porque en Cloud Code, si no he entendido mal, eh, te puede como spawnear agentes nuevos y entrenarlos solamente para esa tarea.

Claro, es, es como decir cuando apareció el multithreading en el computador. Yo te decía el mismo ejemplo. Digo: Esto no le im-- no le importa al usuario que esté coordinando varios threads y que se tienen que sincronizar. Sí, porque si este ha actualizado esto, igual el otro no lo ha actualizado, no lo ha visto. Se tienen que utilizar semáforos y cosas que yo estudié en su momento en la universidad, ya no me acuerdo, para, para que funcione la cosa, ¿no?

Dices: ¿Por qué esto, por qué tenemos que hacer partícipe al usuario de todo este problema?

No, espera. Porque primero tú vives en una, en el mundo cuando hay AGI y todo está resuelto, pero ahora es una parte técnica mucho más importante. Y si acordamos de multithreading, no sé si tú... A veces yo estoy revisando estos, mmm, keynotes de Steve Jobs y él ha hablado un montón de multithreading, de-

Steve Jobs ha hablado de todo lo que va a pasar en doscientos, doscientos años.

No, pero en algún momento era, fue, no, fue un topic muy grande, que vale, nuestro ordenador puede hacer más cosas que, que solo una, que, eh. Y esto fue como un selling point muy también grande para, para todo.

Sí, sí.

Es ahora es normal para nosotros, pero en algún momento no, no es, no era. Por eso, lo mismo con agentes, mmm, ya. Porque al final, ahora hacer una orquestración de estos subagentes, subtareas, ahora ningún harness, nin-- como, ah, ah, ah, ¿cómo es?

Arnés.

Arnés está hací-- está haciendo esto bien. Porque al final, Cloud Code, ¿qué hace? Sí, claro que tiene dos o tres o cinco agentes que pueden hacer esta, mmm, trabajar juntos, pero al final, ah, esto es muy limitado a nivel de con-context window, todo está volviendo a un agente principal y por eso en algún momento va a hacer un...

Sí, su context window va, va a llenarse y ya está. Por eso, cómo hacer esto que un agente puede trabajar horas y horas y puede orquestar un trabajo muy grande para migrar un codebase como Factorial a la otra herramienta es un challenge. Y yo veo que todos los modelos nuevos como Kimi, todos los, ah, arneses como Codex y también en teoría con nueva Sonnet que vamos a tener, esto va a ser un, como una abstracción nativa, que todos los modelos soporte esto.

Porque al final gente quieren tener de sec-- 10X, 100X de, de su trabajo y es el próximo paso. ¿Cómo podemos asegurar que agentes funcionan, trabajan siempre y no estamos esperando?

Para simplificar esto que estás diciendo, al final vas a poder decirle al, a, a la gente: Oye, eh, explicarle un problema, pero muy a alto nivel.

Exacto.

Y ya se espabilará, ¿no?

Sí, y no pensar sobre context management, porque ahora developers tienen que pensar sobre cómo hacer este management de contexto que asegurar que modelo no va a ser muy tonto en veinte minutos porque tú me-metes un montón de datos.

Okey, a la hora de programar.

Sí, a la hora de programar, claro.

Esto no, no me ha preocupado en absoluto.

Esto es un tru-

O sea, porque para mí, por ejemplo, Cursor, la gestión de contexto y el context compaction que hace me parece suficientemente bueno.

Depende es como-

Depende cuántas horas le, le metas, supongo.

Sí, sí, sí. Depende de la tarea que haces y depende del, del-- a todo, pero...

Y si le das mucha cosa, muchos archivos, mucho tal...

Y claro que estos tecni-técnica, eh, técnicas están mejorando cada día, que antes de era compaction muy tonto, ahora tenemos técnicas de compaction mucho más profundos, pero al final, idealmente no tenemos que tener problemas de context window. No tenemos que tener-

De todas formas, esto es, es precisamente donde se separan, yo creo, los modelos, cómo hacen esta gestión de contexto. De cara a los modelos, digo, de coding agents.

Sí.

Pero nosotros como Factorial, que hacemos-- ¿eh?

Arneses.

Arneses.

Arneses, arneses. Eh, co-- pero nosotros como Factorial, que tenemos que dar ese servicio y tenemos que ofrecer esa experiencia, casi todo el problema es cómo gestionar el contexto.

Total, total. Sí, sí. Y de, de hecho, es lo que estaba pensando, ¿no? Eh, porque para mí la diferencia entre una gestión de contexto automática donde la gente corta el problema en trocitos y spawnea subagentes, eh, para encargarse de tareas específicas, para mí esto es algo que pasará a nivel del harness de Cursor o de Cloud Code o de cualquiera de estos, y eventualmente lo, lo resolverán.

Eh, el momento en el que tiene sentido que el usuario se preocupe de qué subagentes hay y cómo están configurados es cuando tú tienes un proceso que se repite mucho. O sea, cuando tú tie-- tú tienes una automa-- una automatización, eh, que ejecuta un agente, o sea, que el, el proceso de decisión lo toma el LLM, eh, y tú sí que tienes que hacer esa gestión activa del contexto antes de que haga la tarea, em, y, y pensar, eh, qué contexto va dentro del subagente, qué contexto es una skill, eh, que se in-- que se inserta dentro del contexto del agente principal y también qué tipo de decisiones toma este agente principal.

Porque muchas veces, eh, nosotros hablamos con mucha gente que se monta, mmm, unos esquemas en la cabeza de sistemas multiagénticos y tal, y no saben por qué realmente, sino porque, oye, semánticamente me parece tiene sentido que haya un agent que hace esto. Y yo lo que siempre les digo es: no, no, o sea, tú empieza con un solo prompt y verás hasta dónde llegas. Y cuando encuentres los límites, ahí es cuando tienes que empezar a gestionar el contexto en un subagente.

Eh, pero es que la gen-- o sea, y noso-nos pasamos nosotros mismos, ¿eh? Nosotros somos un agent que escribe agents, es como un meta-agent, em, y nos montamos esta pájara en la cabeza, eh, y montamos un sistema de tres niveles con veinte subagentes y nos lo comimos con patatas.

Claro. ¿Por qué haces caras?

No, eso de-- sí, es como era un caso antes con modelos mucho más tontos que tenemos ahora, pero ahora es verdad, es que no tiene sen-- ningún sentido, ahm, hacer esto si crea-- estás creando un producto de, de IA, ahm, meter subagentes desde el principio, porque al final los modelos son tan potentes y...

Y lo van a ser más. O sea, yo creo que al final el problema del context management igual desaparece.

Mmm, no lo sé. No lo sé porque llega un punto que el humano tiene que saber qué es lo que va en el contexto sí o sí, ¿sabes? Y tú al final, tú podrías hacer factorial en un index.

¿Por qué? ¿Por qué? Porque estoy asumiendo que el humano sabe más.

Te, te, te digo un ejemplo que, que se va a entender fácil. Tú podrías hacer factorial en un solo archivo index.php, ¿verdad?

PHP no, PHP no.

Se podría, ese, ese va a ser el ejemplo clásico. Se podría hacer, pero tú como humano tienes que entender el sistema modular, tiene que ser fácil de mantener. Si tú tienes una context window de un millón de tokens, buena suerte manteniendo eso. Porque al final eso es lo más importante, eso es las instrucciones que tú le estás pasando al modelo, ¿sabes? Y para mí, el poder modularizar esa ventana de contexto, eso yo creo no nos lo vamos a quitar de encima nunca.

No, no, no, no me he, no me he convencido del porqué con el ejemplo del index.php.

Porque al final es un tema de...

Porque es que no sé qué tiene que ver el index.php. O sea, yo te estoy diciendo, si tú imagínate que le das, eh, una base de datos de contratos, siempre me vuelvo a los temas de, de Factorial o de toda la información, de todos los payslips, de toda la historia de, de empleados, ¿no? Y a partir de ahí le dices, le haces preguntas de, de cosas concretas, de compensación, o le das un sistema de eventos de todo lo que ha cambiado en una base de datos y le haces preguntas.

¿Y por qué le tienes que estar enfocando a: ve-- mírate esto, vete a esta entidad, vete-- porque, porque ahora sí, ahora sí, porque los agentes no dan para más. O sea, los, los modelos no dan para más, ¿no? Entiendo, entiendo.

No, pero exactamente por eso es-- gente está inventando estos técnica, tecni, ah, técnicas como orquestrar todos estos agentes. Y ahora Ralph Wigum, todos estos Gastown y un montón de, eh, de invenciones muy raras a veces, ah, has tu-- hacer todo esto. Pero en algún momento vamos a olvidar. O como mínimo, porque son técnicas, van a ser tan buenos que mira ese detalle.

Yo creo estamos viniendo los tres a esta conversación cada uno con nuestro contexto.

Sí, sí, claro.

Porque estoy viendo con todas las vi-

Exacto. Tú con tu context window, con mi context window.

Exacto, porque Bernat habla de: "Oye, claro, yo cuando le, le hago preguntas al, a la gente, yo le paso esto y quiero que me conteste". Claro, caso de uso completamente personal, no repetible, se-seguramente.

Yo no, o sea, yo, yo quiero ofrecer a los, a los, a las empresas, quiero que puedan hacer preguntas sobre sus bases de datos, eh, de empleados, de, de, de tal.

Claro, tú quieres que puedan hacer eso, quieres que puedan hacer más cosas.

Y que, y que la gente orquestre, si quiere generar subagentes y especialistas, que lo haga, me parece muy bien, pero que me dé la respuesta correcta. Eso es lo único que me importa.

Sí.

Lo que pasa que ahora no me puede dar la po-- la respuesta correcta, yo le digo: "Ilya, ¿por qué me miente?" Y me dice: "Porque lo que has preguntado ha ex-excedido una enti--", me empieza a dar una explicación infinita. Me dice: "Has excedido una entidad que tiene una cardinalidad de millones, con lo cual no sé qué, he tenido que parar porque tiene un máximo número de steps. Entonces, ha dejado de buscar y se-- con el universo que ha encontrado, te ha dado esta respuesta".

Digo: "Ya me importa una mierda, ¿sabes? La respuesta está mal".

Pero tú tienes contexto de CEO y yo tengo contexto de CTO. ¿Cómo explicar, cómo-- para esto y cómo-- cuál es tu problema si es... Pero al final vamos a llegar a este punto.

Vamos a llegar, ¿no?

Vamos a llegar, sí.

Eso es lo que me esperanza.

Sí, sí.

Bueno, me esperanza y ojo Porque la competencia va a ser más complicada, porque esta tecnología no va a ser solo accesible para Factorial

Es que está todo el mundo construyendo lo mismo

Ya

Este, este es el bottom line

Claro

Todo el mundo está haciendo la, la misma aplicación

Entonces, la ventaja es para los, no los primeros, sino los últimos. Ese es el gran problema. O sea, los más lentos ganan aquí, porque los modelos van cambiando, la gente-- los modelos se están pegando entre ellos, ¿no? Que, que además generan un hype. Hoy, eh, Sam Altman ha publicado: "Hostia, estamos aquí cocinando el modelo que va a salir.

Oh, os, os vais a cagar", ¿sabes? O sea, y, y mientras tanto, pues Anthropic lo mismo con el Sonnet: "Este Sonnet". Los que te publican un logo del Sonnet y va a ser la tal. Dices: "Bueno, pues entonces, igual todo lo que hemos hecho, hemos perdido el tiempo".

No. Hemos aprendido un montón

Ah, vale

No, no, es verdad, es verdad

Lo importante es participar

No No, no y no y no y no. Ten-- aquí tengo un hot take. Es como al final yo veo que ahora product development cambia mucho en este, realmente en este, mmm, como a la dirección, cómo podemos maximizar nuestros, eh, ciclos de aprendizaje. Es como, y ahora con IA, tú puedes ir mucho más rápido, hablar con cliente, mostrar algo cliente, recibir este feedback e implementar esto en realidad.

Por eso tenemos que hacer un com-- un, a-- como un compacta-- una compacción de estos, eh, capas que tenemos en desarrollo, que bien puede, eh, escribir código directamente

Compresión

Compresión. Gracias. Sí, compresión

He escuchado mucho. Sí, sí

A ver, me cuesta. Sí, ah, que bien puede escribir un código directamente para mostrar algo cliente mañana o mejor en cinco minutos y no esperar dos semanas. Por eso es, es lo mismo con IA. Es al final, sí, que claro, que en seis me-meses tú vas a tirar un montón de, de código porque modelos son mucho más inteligentes

No, eso te lo compro 100 %. O sea, ya no es solo el pro-- el, el aprendizaje de, de-- o sea, es el aprendizaje del problema al final

Sí, exacto

Es que es el aprendizaje del problema. O sea, na-nadie va a saber más de cómo solucionar un proceso de gestión de tiempo que nosotros, ¿sabes? Eh, o igual sí, ¿eh? Igual, igual en el futuro en la AGI igual sí, ¿eh? Pero entonces la tecnología, al final, todo esto es un medio y vamos aprendiendo, como hemos, como hemos hecho todo el stack desde el assembler, el equivalente del assembler en el mundo de la IA, pues luego cuando van desapareciendo o van-- vas generando abstracciones, sabes cómo utilizarlas más rápido, ¿no?

Oye, hemos hablado de los agentes, hemos hablado de, eh, bueno, no hemos hablado de Figma, que ha caído un 82 % desde la IPO, eh, relacionado con...

Este me lo he comido yo, ¿eh?

¿Eh?

Este me lo he comido yo

¿Por qué?

No, porque...

¿Has comprado?

Salió, esperé un poco, vi que bajó y dije: "Bueno, vamos a ver".

Invertiste

Me lo he comido

Ah, ¿sí? Tú eras bullish, de-- eras muy fan de Figma

Sí, tío, pero es que cambia todo todo el rato

Es que no, no han invertido tanto en, en AI

Se han... acojonado

Han, han ido al craft humano, a la artesanía

Pero sabes que lo intentaron, ¿no?

Lo intentaron, pero no muy fuerte. Ahora, últimamente, sí, han comprado compañías

Lo intentaron y se acojonaron, porque toda la comunidad se les echó encima

Ya

Eso es lo que les pasó. Y no fueron suficientemente fuertes como para mantener una visión a largo plazo y ahora se la han comido con patatas

Diez billion vale hoy. Adobe lo compraba por veinte billion, el doble. Hoy, hoy podría hacer una OPA, Adobe

Total

Bueno, el jugador no sé si la dejaría, pero, pero sí

Seguramente no

Han perdido un montón de dinero

Es fuerte. Es fuerte porque además, o sea, es una tecnología que nadie más tiene, ¿sabes? Que yo por eso era bullish con-

A nivel de Canvas te estás refiriendo

A nivel de Canvas, sí, sí. Eh, yo por eso era bullish con, con Figma, pese que es verdad que esto les ha pasado por encima

A ver, no significa nada, ¿eh? O sea, es una-- la, la valoración de las empresas es una, una-- un voto a corto plazo

Sí

Tienen tiempo, tienen muchísima cuota de mercado

Sí, y tienen un negocio de verdad, joder

Tienen un negocio que está en un billion de ARR

Que parece que están en la mierda, pero es que están facturando eso, un billion. Sí, sí

Caemos con, con, con los world models

Sí. No con Gemini, Ge-Genie, Genie, Genie. Que es al final, sí, es como que Google, ah, semana pasada, me parece, ha salido este modelo de Womb, que se llama Modelo del Mundo, y al final, que es una posibilidad para todo el mun-- para pers-- gente crear su propio videojuego, en realidad. Es muy corto, treinta segundos, pero tú subes su foto, le explicas qué quieres y ya está.

Y tú tienes un vídeo que tú también puedes controlar, saltar y...

Brutal

Es brutal, exactamente. Y al final, brutal más pensar cómo técnicamente está hecho, que cada frame, cada imagen que tú ves, que está generado en real time solo para ti. Y esto también, primero, son-- pues me, me ha-- he gastado tanto en tiempo en Twitter, revisar qué cosas que está sacando y qué gente está probando y había tantos locuros, es muy divertido, ah...

Para poner un ejemplo, vi un videojuego-

Sí

...de un tío que creó el mundo después de que, eh, conquiste los molbots conquisten el mundo, ¿vale? Entonces-

No puedo más con los molbots

Era, era-- veías una ciudad tipo Manhattan con todo de edificios, con molbots, eh, crustáceos ahí, no sé qué, ¿sabes? Y un humano intentando salvarse de ahí, pues, no, cuando era el úni-- el último humano que quedaba. Era bastante guay, ¿eh?

Sí, sí, sí, sí. Era guay

Era bastante guay

Yo ya las demos que he visto, impresionantísimas. O sea, realmente

No sé si podemos montar después aquí vuestros vídeos y para, para hacer esto, que es más trabajo

Es que son flipantes, realmente

Sí, sí, sí, sí. Pero al final me interesa va-- pensar a dónde vamos ahora con videojuegos, esto, porque es-- había un mon-- antes de un montón de discusión en este mundo de, de developers de videojuegos, si está bien o no está bien usar IA, ah, la IA para todo esto, y ahora mucho más, porque en teoría tú puedes generar casi todo, ah, con la IA

Todo. O sea, todo. Lo mismo, es lo mismo que en todos los mundos, ¿no?

No, tú vives en el mundo de la IA, y tú vives ahora

No, pero ya me dices: "Hostia, es que va a desaparecer el trabajo de los developers", bueno, y el de los abogados

Sí, sí

Y el de los que hacen videojuegos

No, al final vamos a tener más trabajo

Diseñadores

Eh, ¿y no?

Al final vamos a tener más trabajo, pero tenemos que adaptarse nosotros manera muy rápida. Es exactamente que yo estoy pidiendo a mis developers cada día.

Vamos a tener más trabajo porque vamos a hacer más cosas.

Exacto. Exacto.

Vamos a poder hacer más cosas, ¿no? Que hoy no, no tienen sentido.

Porque tenemos menos barreras mentales.

Y como va a haber tantas cosas, vamos a tener que usar muchas cosas. Entonces, nuestro día a día va a ser usar cosas que todavía no existen, que alguien va a hacer, porque todo el mundo estará haciendo cosas nuevas y tendremos que usarlas.

Sí, y aprender.

Con lo cual, esto nos va a ocupar el espacio.

Vamos a poner agentes, va a ocupar estos espacios.

Es que no cambia nada. Es que no cambia nada.

No va a cambiar absolutamente nada y va a cambiar todo.

Pero al final, tú, tú has tenido esto, mmm, punto de vista que al final world models es algo-- el, el próximo paso de todo, todo lo que dice IA, porque un texto es una-

Bueno, eso es lo que dice Yann LeCun, ¿no? Y lo que dice varia gente, ¿eh? Eh, Fei-Fei Li.

Sí, sí, sí.

Eh, y tal, ¿no? Dicen, mmm: "No, es que el-- o sea, con el texto, un modelo de texto y ya está. O sea, ahí se va a aplanar, eh, el progreso. O sea, hay un momento donde vas a tener que reproducir el mundo entero.

Físico y real, sí, y también.

Y dentro de cómo reproducir el mundo entero, pues están los que creen que se puede generar, eh, se tiene que generar la reproducción en 3D, que vuelve a ser muy antropomórfico. Y están los que creen que se puede inferir sin necesidad de reproducirlo en 3D para que lo entienda también el humano.

Eh, se puede inferir todo lo que es la física sin necesidad de reproducirla de un modo antropomórfico, ¿no?

Pero es interesante que era obvio que Google está invirtiendo mucho en esto, porque Gemini es único de todos los modelos de texto, que ahora, que tú puedes preguntar puzzles a nivel de espacio. Si tú tienes una, una cosa y después otra cosa y no sé qué, cómo, y es el único modelo que responde bien. Casi ot-otros u otras, cero respuestas o respuestas casi todos malos.

Y Gemini tiene, ah, como esta, nivel de aprendimento o imaginación de-del espacio muy alto. Por eso es muy o-- muy interesante cómo ellos están fusionando todo dentro, entre ello, este deep mind que están haciendo.

Estás muy pensativo.

No, es-estoy pensando que al final esta divergencia de opiniones en cómo se llega a AGI, eh, es, es interesante, ¿no? Y gente como Yann LeCun, como has dicho, eh, o gente que defiende los world models, yo es que creo que persiguen una meta que es distinta a la que persigue, eh, una empresa como OpenAI, ¿sabes? Porque OpenAI están supersuperenfocados en acelerar research.

O sea, es lo que, lo que más les preocupa en generar conocimiento.

No, se, se ha ido gente de OpenAI porque no hacen suficiente research.

Vale.

Luego, xAI hace cero research y también está avanzando mucho. Has dicho que Grok funciona muy bien, ¿no?

Funcio-funciona bien para los casos actuales. Pero claro, yo creo que la hipótesis de, de OpenAI es: si aceleramos, eh, la generación de conocimiento lo suficiente, ¿para qué vamos a estar invirtiendo en entrenar nosotros world models si se lo podemos dar a un LLM que es capaz de generar este conocimiento y llegará mucho más rápido a la solución final, sabes? O sea, para ellos yo creo que el acelerar-

Esa es la discusión de cómo se va a llegar al AGI.

Correcto.

Que, que, por ejemplo, Anthropic dice: "No, no, focalízate en código, porque al final todo se puede hacer en código, eh, y con código vas a reproducir la AGI", ¿no?

Sí, sí. No sé, yo por ahora compro bastante la tesis de, de acelerar el research. Y para mí un LLM es lo que tiene sentido para eso.

Muy bien. Pues nada, bien. Muchísimas gracias a los dos. Ha sido una discusión muy interesante.

Mhm.

Eh, y seguiremos, seguiremos teniendo estas discusiones hasta que llegamos a la AGI.

Semana que viene, ¿no?

La semana que viene quizás. Hasta la semana que viene.