En medio de un viaje a Marrakech, Peter Steinberger envió distraídamente un mensaje de audio a su asistente de IA prototipo, un sistema que había construido en una hora y que él pensaba que solo podía manejar imágenes y texto. Para su sorpresa, apareció el indicador de escritura y el agente, sin ninguna instrucción previa, descubrió cómo decodificar el archivo de audio, transcribirlo usando una API y responder. Fue un momento de auténtica magia, que reveló una IA capaz de resolver problemas creativamente mucho más allá de su programación original. Este prototipo evolucionó hasta convertirse en OpenClaw, un agente de IA de código abierto que explotó en popularidad, acumulando más de 180.000 estrellas en GitHub y provocando tanto una comunidad de creadores como una ola de angustia existencial en internet.

OpenClaw representa un cambio fundamental de los modelos de lenguaje a los verdaderos agentes: software que “realmente hace cosas”. Vive en tu computadora, se integra con aplicaciones de mensajería como WhatsApp y Telegram, y puede recibir acceso a tus archivos y sistemas para actuar como asistente personal. La filosofía de Steinberger se centra en la diversión, la rareza y el toque humano, impregnando el proyecto de personalidad (y de un motivo de langosta) para hacerlo encantador. La conversación profundiza en el núcleo técnico del proyecto, incluido el “bucle agéntico” que permite a OpenClaw modificar su propio código fuente, y en el delicado equilibrio de mantener a un humano dentro del proceso para aportar cariño, dirección y supervisión de seguridad. Steinberger también detalla la caótica saga de renombrar el proyecto bajo la presión de Anthropic y los ataques de ocupadores oportunistas del mundo cripto, una odisea que casi lo llevó a abandonar el proyecto por completo.

Más allá del código, la discusión explora el impacto social de la IA agéntica. El fenómeno viral de “MoldBook” —una red social poblada por agentes de IA— puso de relieve la “psicosis por la IA” del público, una mezcla de fascinación, exageración y miedo infundado. Steinberger sostiene que estos proyectos artísticos le ponen un espejo a la sociedad, revelando nuestra propensión al alarmismo junto con una necesidad genuina de educación pública sobre las capacidades y limitaciones de la IA. De cara al futuro, predice que los agentes volverán obsoletas el 80% de las aplicaciones dedicadas, ya que la IA puede orquestar tareas directamente entre servicios. Para los programadores, esto señala una transición dolorosa pero inevitable; el oficio de escribir código se parecerá más a tejer: un pasatiempo querido más que una necesidad económica, mientras que las habilidades fundamentales de construir, diseñar y empatizar con los sistemas se volverán aún más valiosas.

Ideas sorprendentes

• Agentes que exhiben resolución emergente de problemas: El prototipo de OpenClaw, sin programación explícita para audio, decodificó de manera autónoma el encabezado de un archivo de audio entrante, eligió usar una API en línea en lugar de un modelo local más lento y lo transcribió con éxito, demostrando un razonamiento inesperado de varios pasos.


• Software que se construye a sí mismo: Una característica central, aunque no intencional, de OpenClaw es que el agente de IA es profundamente consciente de su propio código fuente y de su entorno de ejecución, lo que le permite depurarse a sí mismo, escribir su propia documentación e implementar nuevas funciones mediante instrucciones en lenguaje natural, habilitando en esencia que el proyecto se construya y mejore a sí mismo.


• La empatía como habilidad clave de programación: Steinberger sostiene que trabajar eficazmente con agentes de IA requiere empatizar con su “perspectiva”: entender que comienzan cada sesión con cero contexto sobre tu base de código. Los “programadores” más exitosos son quienes aprenden a guiar al agente anticipando lo que necesita saber.


• La muerte inminente de la mayoría de las apps: La conversación plantea que los agentes personales de IA con acceso al sistema harán que las aplicaciones independientes para tareas como seguimiento físico, monitoreo del sueño o entrega de comida sean en gran medida redundantes, ya que el agente puede gestionar directamente estas funciones usando datos y servicios existentes.

Conclusiones prácticas

• Empieza con instrucciones y conversaciones cortas: Evita sobrediseñar tus flujos de trabajo agénticos. Comienza con una solicitud simple en lenguaje natural (“arregla este error”), conversa con el agente sobre el mejor enfoque y solo entonces deja que ejecute. Este método “conversacional” suele ser más efectivo que una orquestación compleja planificada de antemano.


• Diseña pensando primero en la CLI y en la comprensión del agente: Al crear herramientas para un mundo aumentado por IA, prioriza las interfaces de línea de comandos. Los agentes son excelentes utilizando herramientas CLI existentes y combinándolas. Además, diseña tu base de código con nombres y estructuras claros y predecibles para que a los agentes les resulte más fácil navegarla y entenderla.


• Implementa seguridad proactiva desde el principio: Si vas a construir agentes potentes, asume que se usarán de forma insegura. Incorpora aislamiento en sandbox, listas permitidas de comandos y advertencias claras. Steinberger enfatiza que usar modelos fundacionales más inteligentes y más caros también incrementa la resiliencia frente a ataques de inyección de instrucciones.


• Acepta código imperfecto para avanzar rápido: Adopta una mentalidad similar a la de gestionar un equipo de ingenieros: debes soltar el control y aceptar que la IA no escribirá código exactamente como tú lo harías. Concéntrate en si la solución funciona y hace avanzar el proyecto; siempre podrás refactorizar después con ayuda del agente.


• Juega para aprender el nuevo paradigma: La mejor manera de volverse competente con la IA agéntica es mediante la experimentación práctica y la construcción de proyectos pequeños. Esto desarrolla una intuición sobre cómo “piensan” los agentes, dónde tienen dificultades y cómo formular solicitudes de manera efectiva, una habilidad que requiere tiempo y práctica para desarrollarse.