Recientemente, Andrej Karpathy habló en Sequoia Ascent 2026 y admitió que nunca se había sentido tan rezagado como programador.
La mayoría todavía percibe los LLM simplemente como un autocompletado avanzado. Un acelerador para escribir el viejo y querido Software 1.0. Pero la esencia del cambio actual no es escribir código clásico más rápido. La esencia es que enormes capas de código ya no deberían existir.
Aquí hay tres tesis de su charla y el posterior post:
1️⃣ El código por el código está muerto
La eficiencia no es "escribir una aplicación más rápido". Es no escribirla en absoluto. El modelo actúa como un intérprete de lenguaje natural: evalúa tu entorno, ejecuta comandos y depura errores.
Y lo que era fundamentalmente imposible de resolver con algoritmos clásicos (cálculos sobre datos no estructurados de artículos/PDFs/logs) ahora se resuelve arquitectónicamente con un par de clics.
2️⃣ Esquizofrenia de las redes neuronales
El modelo puede refactorizar impecablemente un legado de 100,000 líneas, y en el siguiente prompt, con toda seriedad, sugerirte que vayas caminando al lavadero para lavar el coche.
¿Por qué? Economía.
Los laboratorios invierten millones en RLHF donde hay una verificabilidad clara del resultado (matemáticas, código) y un mercado comprensible. Allí la red neuronal va sobre rieles. Un paso al lado, y el modelo se abre paso con un machete por la jungla, alucinando a cada paso. Si no entiendes este límite y dónde te encuentras, el LLM matará tu producto.
3️⃣ Arquitectura nativa de agentes
Los productos finalmente se descomponen en sensores, actuadores y lógica (LLM). Vamos hacia que las redes neuronales dirijan el flujo principal de cómputo, y la CPU clásica se convierta simplemente en un coprocesador para tareas deterministas.
En resumen, "Agentic engineering" ya es una habilidad dura. Si no sabes hacer que la información sea lo más legible posible para los LLM y orquestar agentes, tus habilidades se están volviendo obsoletas ahora mismo.
Comentarios
0Aún no hay comentarios.