Transcription
Nuestra apuesta es que, más o menos, en el próximo año, probablemente, ya sabes, no sé, quizás la mitad del desarrollo se hará con IA, en lugar de por personas, y luego eso simplemente aumentará a partir de ahí.
Mark Zuckerberg y Satia Nadella, los CEOs de Meta y Microsoft, respectivamente, se reunieron para una charla informal en Llamicon 2025, y cubrieron todo, desde código abierto hasta agentes, y cómo la codificación se verá muy diferente en el próximo año y medio. Vamos a verlo. Les daré mis opiniones.
Muy bien, así que vamos a ir un poco fuera de orden. Quiero ir directamente a la parte donde hablan sobre la codificación con IA y, específicamente, cuánta cantidad de código se escribe para sus respectivas compañías con IA ya, y cómo podría verse el futuro, porque es fascinante en términos de la codificación y cómo la mejora.
¿Tienes una idea de cuánta parte del código, qué porcentaje del código que se está escribiendo dentro de Microsoft en este momento está escrito por IA, en lugar de por los ingenieros?
Sí, así que hay dos tipos de cosas que estamos rastreando. Una es la tasa de aceptación en sí misma, ¿verdad? Eso es algo así como 30, 40, está creciendo monótonamente, y depende, uno de los grandes desafíos que tuvimos durante mucho tiempo es que gran parte de nuestro código sigue siendo C++ C y C# son bastante buenos, pero C++, no era tan bueno, Python es fantástico, así que ahora hemos mejorado en eso, por lo que a medida que el soporte del lenguaje ha aumentado, las compleciones de código se han vuelto buenas, eso se debe a que los modelos no están entrenados en C++ tanto, obviamente hay algunos datos de entrenamiento ahí para C++, pero no creo que C++ sea de código abierto, y ciertamente si estás escribiendo C++, estás usando muchas herramientas de código cerrado, pero Python, por otro lado, es de código abierto, las herramientas que usas son de código abierto, las bibliotecas son de código abierto, y eso ha hecho que estos modelos sean realmente buenos para escribir Python, porque simplemente hay mucho para entrenar. El lugar donde el código agente todavía es muy, es algo así como incipiente para algo nuevo, es muy, muy alto, pero como dije, nada es nuevo en muchos casos, y por lo tanto, yo diría que tal vez en este punto la PR, por cierto, las revisiones de código son muy altas, de hecho, los agentes que tenemos para revisar código, ese uso ha aumentado, y por lo tanto, yo diría que sí, quiero hacer una pausa aquí por un segundo porque es muy interesante, él dice básicamente que nada es nuevo, o muy pocas cosas son nuevas, pero eso solo es cierto si tienes una compañía masiva heredada con una cantidad masiva de código heredado. Microsoft funciona con código que se escribió hace décadas. Entonces, no solo los agentes no son tan buenos para escribir esos lenguajes, sino que hay tanto código, tanta dependencia entre el código que es difícil para estos agentes comprender y realmente iterar en ese tipo de bases de código. El contexto es demasiado grande, al menos por ahora. Pero eso no significa que no haya otra compañía, una startup que esté construyendo algo desde cero, construyendo código de una manera que esté especialmente escrita para ser iterada por IA que no pueda acelerarse a un ritmo mucho más rápido de lo que Microsoft pueda siquiera imaginar. Entonces, aunque hay muy pocas oportunidades nuevas para Microsoft, eso no significa que no haya muchas oportunidades nuevas para todos los demás.
También dice que las revisiones de código son una gran parte de para lo que usan la IA. Y eso tendría sentido porque con las revisiones de código, estás tomando un subconjunto de la cantidad total de código. Estás viendo las diferencias, la diferencia entre el código nuevo y el código antiguo, y te piden que lo revises. ¿Tiene sentido? ¿Tiene sentido dentro del contexto del código relacionado alrededor del código que acabas de cambiar? Y eso parece algo que la IA podría hacer increíblemente bien. Pero ahora va a hablar de porcentajes específicos. Y ten en cuenta que, por lo general, no hay distinción entre la compleción de código, que la realiza la IA. Entonces, comienzas a escribir una línea de código, una función, y simplemente presionas tabulador y se completa. Eso es técnicamente escrito por IA. Pero si dependes completamente de la IA para escribir código, por ejemplo, le asignas una PR a un agente, yo consideraría eso como un nivel diferente de codificación con IA. Pero creo que todo está mezclado en este número que está a punto de decir. Ese uso ha aumentado. Y así que diría que tal vez el 20%, 30% del código que está dentro de nuestros repositorios hoy en día en algunos de nuestros proyectos probablemente está escrito por software. ¿Qué tal ustedes?
Um, en realidad no tengo el número a la mano, pero quiero decir que es, um, creo que muchas de las estadísticas que dicen las personas siguen siendo efectivamente de esta variedad de autocompletado. Sí. Pero tenemos un montón de equipos que están trabajando en, básicamente, haciendo experimentos de clasificación de feeds y clasificación de anuncios y dominios muy contenidos donde puedes estudiar el historial de todos los cambios que se han realizado y, como, y, y hacer un cambio. Y eso creo que es, como, una especie de área interesante para que trabajemos. Pero el gran tema en el que nos estamos enfocando es construir una IA e ingeniero de aprendizaje automático para avanzar en el desarrollo de Llama en sí. ¿Correcto? Porque, y lo que acaba de decir es probablemente sutilmente lo más importante de toda esta charla. Están desarrollando una inteligencia artificial que puede hacer investigación de ML e IA. De nuevo, y lo he dicho mil veces, esa es la explosión de inteligencia. Una vez que la IA pueda iterar y automejorarse, entonces es solo una cuestión de cuántos agentes podemos dedicar a esa automejora y luego es exponencial por naturaleza.
Y permítanme pausar esta conversación para contarles sobre el patrocinador de hoy, Outskill. Outskill es un programa de capacitación en IA de 2 días en vivo para profesionales, fundadores y ejecutivos. A través de este programa en vivo de 2 días, dominarás las habilidades de la IA, incluidos los conceptos básicos de la IA generativa, las automatizaciones, la creación de agentes de IA, la generación de imágenes y videos, la generación de sitios web completos y más. La capacitación de 2 días se realiza los sábados y domingos de 11:00 a.m. a 7:00 p.m., hora del este. Y hay una inauguración inicial el viernes, de 10:00 a.m. 2 días, 16 horas, 5 sesiones. Aprenderás mucho. 50,000 profesionales ya han asistido a estas sesiones en los últimos 6 meses y han conseguido trabajos de consultoría, creado productos de IA o simplemente han mejorado sus habilidades en sus roles existentes. También ofrecen sesiones de preguntas y respuestas en vivo con mentores para que puedas hacer preguntas y aclarar cualquier duda que puedas tener y aclarar cualquier tema que pueda ser confuso. Así que echa un vistazo a Outskll. Dejaré un enlace abajo. Es gratis para las primeras 10,000 personas que se registren. Y gracias nuevamente a Outskll.
Ahora, volvamos al video. Muy bien. Así que sigamos viendo y pensemos en la posible explosión de inteligencia que él está describiendo aquí.
Pero el gran tema en el que nos estamos enfocando es construir una IA e ingeniero de aprendizaje automático para avanzar en el desarrollo de Llama en sí. ¿Correcto? Porque nuestra apuesta es que, más o menos, en el próximo año, probablemente, ya sabes, no sé, quizás la mitad del desarrollo se hará con IA, en lugar de por personas, y luego eso simplemente aumentará a partir de ahí.
Así que tenía curiosidad si estaban viendo algo diferente. Sí, quiero decir, para mí, el agente es la especie de primer intento. Entonces, la pregunta para nosotros es, en el próximo año, ¿podemos obtener, digamos una optimización del kernel, ¿verdad? ¿Llegaremos a algo así que suceda? Creo que es más probable que, por cierto, cuando dice agente dulce, está diciendo agente de ingeniería de software, solo piensa en un agente que escribe código para ti, se le ocurre un cambio novedoso en la arquitectura del modelo, probablemente no, entonces la pregunta es, ¿qué tarea? Sí, optimizaciones, mejoras de seguridad, ese tipo de cosas, creo que parece que tiene una gran oportunidad.
Honestamente, parece que Zuckerberg podría estar pensando más en el futuro que Satia, a menos que Satia esté jugando sus cartas cerca del pecho. Ahora, Microsoft no está realmente desarrollando sus propios modelos. Se están asociando con todos los demás. Meta está desarrollando sus propios modelos. Probablemente está pensando en hacer que estos modelos sean capaces de automejorarse, tal vez más que Microsoft.
Sí. Sí. No, también estamos intentando resolver un problema diferente, porque quiero decir que ustedes atienden a muchos desarrolladores e ingenieros, esa es su actividad principal. Mientras que para nosotros estamos pensando en esto más como algo para mejorar nuestro desarrollo interno y luego mejorar los modelos Llama que otras personas pueden usar, pero no es algo que hacemos en el flujo de trabajo de extremo a extremo de la manera en que ustedes lo hacen. Entonces siempre es interesante escuchar cómo están pensando en eso.
Sí, no lo sé. Tal vez eso vaya a cambiar. Creo que ambos podrían estar intentando engañarse mutuamente o al menos definitivamente no están contando toda la historia, porque Meta acaba de lanzar una API. Entonces, están avanzando en la dirección de servir a los desarrolladores, proporcionar inferencia y, sí, ese es el territorio de Microsoft.
La otra cosa para nosotros es, sí, a tu punto, nuestro negocio principal, de hecho, ya sabes, Bill comenzó la compañía como una compañía de herramientas, y así que para nosotros, lo interesante que pensaré ahora es tal vez la forma en que deberíamos reconceptualizar nuestras herramientas es, y la infraestructura francamente, son las herramientas y la infraestructura para que los agentes las usen, porque incluso el agente tres necesita un montón de herramientas, esa es la clave, toda la pila de tecnología necesita ser repensada para el mundo de los agentes, ¿cómo escribirán código los agentes?, ¿cómo recuperarán cosas de una base de datos?, ¿cómo navegarán por la web?, ¿cómo hablarán entre sí?, ¿cómo usarán herramientas?, todas estas cosas necesitan ser estandarizadas. Necesitan ser resueltas. Es muy temprano y muy emocionante por esa razón.
Pero tiene toda la razón. Necesitamos averiguar cómo se verá el mundo del software y más allá cuando pensemos primero en la IA. ¿Y qué forma deberían tener? ¿Qué debería ser su infraestructura?, ¿cuáles deberían ser sus entornos aislados?
Entonces, mucho de lo que vamos a hacer es esencialmente evolucionar, incluso, ¿qué es la construcción del repositorio de GitHub incluso para el agente su?
Sí. No, es un concepto muy interesante y quiero decir que tiendo a pensar que, como, cada ingeniero terminará siendo más como un líder técnico en el futuro que tiene su propio pequeño ejército de agentes de ingeniería con los que trabaja. Pero sí, ese es el orquestador que estaba describiendo. Un líder técnico que orquesta decenas, cientos de agentes diferentes. Cómo estos agentes trabajan juntos para ejecutar la tarea que les asigna el orquestador aún está por determinar. Y necesitamos repensar cómo se ve un repositorio porque, en lugar de un equipo humano de cinco, diez, veinte personas trabajando en un solo repositorio en diferentes ramas, ahora podrías tener cinco, diez, cientos de agentes trabajando en una sola rama al mismo tiempo en coordinación. No lo sé. Realmente ni siquiera sé cómo se verá. Tal vez eso esté completamente equivocado. Hazme saber lo que piensas, por cierto. Cuéntame en los comentarios.
A continuación, van a hablar sobre qué nuevos desarrolladores, si estás comenzando en la industria del desarrollo, en qué deberías estar pensando. ¿Cómo deberías estar pensando en la codificación con IA y todo lo demás relacionado con la escritura de software? Y personalmente recibo esta pregunta todo el tiempo. La gente me pregunta: ¿Debería aprender a codificar? ¿Todavía vale la pena aprender a codificar? Creo que por ahora, sí, pero a largo plazo, saber cómo hacer el código base real podría no ser tan relevante. Creo que será genial saberlo. Pero creo que será algo casi artesanal. Pero los agentes van a estar escribiendo la gran mayoría de nuestro código. Entonces se trata más de aprender a interactuar con tu equipo de agentes de IA. Y también creo que es increíblemente importante aprender a hacer pensamiento de sistemas. Entonces, aprender a codificar te enseña pensamiento de sistemas. No necesariamente necesitas conocer ningún lenguaje de programación individual. Pero aprender ese pensamiento de sistemas, en primer lugar, incluso si nunca escribes una línea de código, es valioso en la vida. Pero incluso si estás orquestando agentes, el pensamiento de sistemas es importante.
Supongo que siempre existe esta pregunta de si estuvieras comenzando como desarrollador hoy construyendo algo, cómo pensarías en qué herramientas estarías usando, y, um, sí, creo que uno de los, uno de los mayores, lo llamaré, no sé, sueños, búsquedas, preguntas que Bill inculcó en todos nosotros fue cuál es la diferencia entre, um, solía hablar de eso más como, ¿cuál es la diferencia entre un documento y una aplicación y un sitio web? Ahora, si usas Meta, ChatGPT, Copilot, lo que sea, no me queda claro cuál es la diferencia entre una sesión de chat,
Ajá. Y luego, voy a páginas en nuestro caso, literalmente, incluso bajando, ya sabes, estaba leyendo todo sobre Llama 4, todos los modelos, literalmente, solo estaba haciendo un montón de sesiones de chat, agregándolo a un documento, efectivamente en páginas, persistiéndolo, y luego puedes darle, quiero decir, dado que tienes completado de código, puedes, ya sabes, convertirlo en una aplicación o lo que sea, y así que esta idea de que puedes comenzar con una intención de alto nivel y terminar con lo que es un artefacto que es un artefacto vivo que habrías llamado en el pasado una aplicación va a tener implicaciones profundas, creo, en los flujos de trabajo y creo que estamos al comienzo de eso, y ese es mi sueño si digo, como constructor de infraestructura y herramientas y como usuario de ella, estas fronteras de categorías artificiales, no artificiales o estas fronteras de categorías que fueron creadas, principalmente debido a las limitaciones de cómo funcionaba nuestro software, quizás las trasciendes. De hecho, la otra cosa en la que siempre pensábamos es por qué Word, Excel, PowerPoint son diferentes. ¿Por qué no es una sola cosa?, y hemos intentado múltiples intentos, pero ahora puedes concebirlo, ¿verdad?, que puedes comenzar en Word y puedes visualizar cosas como Excel y presentarlo, y todos pueden persistirse como una estructura de datos o lo que sea, y así que para mí, esa maleabilidad que no era tan robusta antes, ahora está ahí.
Interesante. Tiene sentido. Sí. Entonces, creo que a lo que llega es a la interfaz entre los humanos y los datos. Y dice que existe la maleabilidad entre estas diferentes piezas de software en silos. Pero realmente lo que creo que terminará siendo es que habrá un agente de IA entre el humano y los datos de verdad fundamental. Creo que esa es la arquitectura perfecta para el futuro. Los datos de verdad fundamental se almacenarán en una base de datos tradicional. Tal vez no se parezca a una base de datos que conocemos hoy, pero será una base de datos persistente. Será determinista por naturaleza. Esa es la verdad fundamental. Luego habrá un agente y luego un humano del otro lado. El humano va a necesitar hacer algo, aprender algo, averiguar algo, asignar algo, lo que sea, y van a hablar con el agente. El agente va a hacer todo lo demás. Va a escribir todo el software. Va a recuperar todos los datos necesarios para realizar la tarea que se le asigna. Con eso en mente, realmente no hay software. Y he dicho esto antes. Sé que he dicho que el software está muerto un poco en broma, pero si realmente lo piensas, habrá una base de datos, habrá una capa agente, y luego estará el humano en la cima orquestando todo. Y en ese punto, ¿dónde están las aplicaciones? No lo sé. No sé si hay alguna. Sigamos viendo.
Muy bien. A continuación, Mark le pregunta a Satia cómo piensa sobre la aplicación real de la inteligencia artificial. Él comienza diciendo que Satia dice: "Bueno, toda esta inversión en infraestructura, toda esta innovación en IA debe reflejarse en el crecimiento del PIB". Y, por supuesto, lo hace. Como sociedad capitalista, la inversión realmente necesita tener un retorno o será un fracaso. Y así que le preguntó: "¿Cómo piensas sobre eso?" Así que veamos.
Tengo curiosidad por saber cómo piensas, ¿cuál es tu perspectiva actual sobre lo que deberíamos estar buscando para comprender el progreso que esto está haciendo y cómo lo haríamos y, como, dónde esperas que esté en un período de tres, cinco, siete años?
Para mí, creo que eso es correcto, porque para nosotros yo diría que es una prioridad bastante existencial. Francamente, el mundo necesita una especie de nuevo factor de producción e insumo que nos permita lidiar con muchos de los desafíos que tenemos, y la mejor manera de pensar en ello es, oye, ¿qué se necesitaría, digamos, para que el mundo desarrollado crezca al 10%? Um, correcto, que pueden haber sido algunos de los números máximos durante, digamos, la revolución industrial o lo que sea. Y para que eso suceda, entonces debes tener ganancias de productividad en cada función, ¿verdad?, en el cuidado de la salud, en, en el comercio minorista, en el trabajo de conocimiento amplio, en cualquier industria, y para que eso suceda, creo que la IA tiene la promesa, pero ahora debes hacer que realmente genere el cambio real en la productividad, y eso requiere software y también un cambio de gestión, ¿verdad?, porque en cierto sentido la gente tiene que trabajar con él de manera diferente. Ya sabes, la gente siempre cita lo que sucedió con la electricidad, ¿verdad?, estuvo ahí durante 50 años antes de que la gente se diera cuenta de que, oye, tenemos que cambiar realmente las fábricas para usar la electricidad de manera diferente, ¿verdad?, y ese fue el famoso estudio de caso de Ford, y así que para mí estamos en algún lugar intermedio, espero que no nos lleve 50 años, pero sí siento que simplemente pensar en esto como lo que sea el carro sin caballos, tampoco va a ser la forma en que llegaremos al otro lado, así que no es solo tecnología. La tecnología tiene que progresar. Tienes que poner eso en sistemas que realmente entreguen el nuevo trabajo, el artefacto de trabajo y el flujo de trabajo.
Entonces, no creo que pueda decirlo mejor de lo que él acaba de decir. Hay problemas y la IA tiene la promesa de resolver muchos de estos problemas que son existenciales no solo para los Estados Unidos, sino para la Tierra en su conjunto.
Entonces, ya has dicho varias veces que este momento en la tecnología en torno al crecimiento de la IA te recuerda algunas de las transformaciones importantes en el pasado, desde la transición a cliente-servidor y el comienzo de la web y cosas así. Entonces, tengo curiosidad por...
Sí. Entonces, para mí, es interesante, ¿verdad?, que cada vez que hay esta transición, todo el stack se vuelve a litigar, y puedes volver a los primeros principios y comenzar a construir, quiero decir, yo pensé que incluso la forma de la infraestructura en la nube, para mí, que construí, digamos, en 2007, 8, o lo que sea, el sistema de almacenamiento central para el entrenamiento no se parece al sistema de almacenamiento central que construiste o esta carga de trabajo de entrenamiento, ¿verdad?, la carga de trabajo síncrona paralela de datos es tan diferente, digamos Hadoop o lo que sea, entonces el hecho de que tengas que repensar todo, de arriba abajo en una pila tecnológica, con cada uno de estos cambios de plataforma es algo que creo que enfrentamos de vez en cuando, crece a partir de lo que había, la web nació en Windows, pero fue mucho más allá de eso, así es como pienso en esto también.
Entonces, para mí, esto es lo más emocionante de esta nueva ola que estamos pasando ahora mismo. Y personalmente, creo que es la ola más grande de innovación y tecnología en la historia. Pero básicamente, podemos volver a imaginar cómo se ve la infraestructura de todo debido a la inteligencia artificial. Estamos en esta especie de fase incómoda en este momento y, normalmente, cuando sale una tecnología completamente nueva, todos se apresuran a intentar ajustarla a la forma en que las cosas ya funcionaban, los patrones existentes a los que todos están acostumbrados.
Entonces, un par de ejemplos de eso. En los primeros días de Internet, todos se apresuraron a tomar lo que era un patrón existente, los medios impresos, y simplemente pegarlo en un sitio web. Y lo que no se dieron cuenta es que había toda esta capa interactiva que era posible y tantos otros elementos que simplemente no podías tener con los medios impresos que eran posibles al tener Internet. Y creo que la codificación con IA es un gran ejemplo. Ahora estamos usando la IA para ayudarnos a codificar, pero usando nuestros patrones tradicionales. Muchas de las herramientas que estamos usando son esencialmente IDE tradicionales con IA pegada. Y ahora estamos comenzando a obtener más. Estamos obteniendo herramientas como Cursor, Replit, Winds Surf, y estas herramientas están comenzando a ir en la dirección correcta, donde estamos pensando en las cosas desde cero. ¿Cómo se ve la codificación en el futuro donde está casi completamente hecha por IA y el humano es el orquestador? Y así que, nuevamente, solo estamos arañando la superficie de lo que es posible y lo emocionante es que podemos inventar este nuevo patrón de cómo la IA interactúa con básicamente todo en nuestras vidas.
Muy bien, sigamos viendo.
Sí, eso tiene sentido. Quiero decir, has hecho este punto varias veces sobre cómo, a medida que las cosas se vuelven más eficientes, um, cambia la forma en que funciona y la gente termina consumiendo muchos más servicios, ¿verdad?
Sí. Entonces, está hablando de la paradoja de Jevons. A medida que un recurso se vuelve más barato, la intuición es que la gente gastará menos en él porque si la demanda se mantiene igual y los precios son menores, entonces el precio total pagado también será menor. Pero con la paradoja de Jevons, lo que muestra, y esto se mostró fácilmente con DeepSeek R1, cuanto más barato se vuelve algo, cuanto más eficiente se vuelve algo, en realidad tiene el efecto opuesto. Aunque el costo por unidad baja, el consumo total de ese recurso aumenta.
Muy bien, sigamos viendo cómo estás viendo que se desarrolla en torno a todos estos modelos de IA, ¿verdad? Estás viendo como generación tras generación, simplemente se están volviendo mucho más eficientes y brindan más inteligencia que la generación anterior. Y ya sabes, obviamente todo está sucediendo súper rápido. Entonces no estoy seguro de cómo, qué es lo que ves en eso, pero sí, quiero decir, si lo piensas, ¿verdad?, nosotros estábamos hace unos años sentados y diciendo, oh, Dios mío, ¿qué pasó con la Ley de Moore?, ¿ya se acabó?, ¿qué hacemos?, y aquí estamos en una especie de locura, una especie de hiperimpulso de la Ley de Moore, y siempre ha sido también el caso, ¿verdad?, que cualquiera de estos cambios de plataforma tecnológica no se ha tratado de una sola curva, han sido múltiples curvas que se componen, incluso si tomamos el hecho de que los chips están mejorando. Ya sabes, personas como Jensen o Lisa hacen una innovación tremenda. Jensen y Lisa son primos. No olvides eso. Jensen, CEO de Nvidia. Lisa Su, CEO de AMD. Ya sabes, sus ciclos de tiempo se han vuelto más rápidos. Entonces, digamos que esa es la Ley de Moore. Pero además de eso, todo en la flota, la optimización del software del sistema, las optimizaciones de la arquitectura del modelo, las optimizaciones del kernel para la inferencia, el servidor de aplicaciones, incluso el almacenamiento en caché de indicaciones, qué tan buenos nos hemos vuelto en, y así que sumas todo eso durante cada 6 meses, 12 meses, tienes una mejora quizás de 10 veces, ¿verdad?, y así que cuando tienes una mejora de capacidad de esa tasa y los precios bajan a esa tasa, fundamentalmente el consumo aumenta. Entonces soy muy optimista de que estamos en una etapa en la que se pueden construir aplicaciones profundas.
Sí. Y ten en cuenta que cuando dice aplicaciones, está hablando del software construido sobre las capas de infraestructura, modelo y hardware. Y creo que esa es probablemente la mayor oportunidad hoy en día, construir aplicaciones sobre estos modelos. Y todavía creo que hay muchas oportunidades para construir la infraestructura, el andamiaje alrededor de los modelos. Por cierto, acabo de publicar sobre eso en Twitter, si no me sigues, Matthew Burman en Twitter. Cosas como administración de memoria, asistencia de codificación, marcos agentes, uso de herramientas, administración y optimización de indicaciones. Hay mucho que hacer ahí. Pero luego, además de eso, lo que realmente hemos visto muy poco hasta la fecha es la capa de aplicación. ¿Cómo vamos a entregar toda esta increíble IA a los consumidores y a las empresas? Eso todavía se está averiguando. Esa es probablemente el área menos explorada de la pila de IA hasta la fecha, donde tienes una capa de orquestación con estos agentes con múltiples modelos. Siento que estamos en eso.
El lugar es importante porque si piensas incluso en la primera generación de aplicaciones, estaban muy acopladas, eh, muy acopladas a un modelo, pero finalmente estamos llegando a aplicaciones multimodelo donde puedo orquestar, de hecho, un flujo de trabajo determinista, un agente de aplicación que se construyó en un modelo que habla con otro agente. Incluso tenemos estos protocolos que son útiles, ya sea MCP, ya sea A2N, todo esto son cosas buenas si podemos estandarizar un poco y luego, eh, podemos construir aplicaciones que están, ya sabes, aprovechando, yo diría, eh, la, ya sabes, esta creación de capacidades, pero tiene flexibilidad, y ahí es donde creo que el código abierto absolutamente tiene un papel masivo, masivo que desempeñar. Sí.
Así que él acaba de mencionar muchas cosas que me interesan mucho. Marcos agenticos donde puedes coordinar múltiples agentes juntos. Poder tener cada uno de esos agentes impulsados por modelos de lenguaje grandes individuales, incluso de diferentes proveedores. Digamos que tienes uno de OpenAI, tienes otro de Meta, tienes otro de Anthropic, y todos se están hablando entre sí. Estás encontrando el mejor modelo para la tarea específica en cuestión. E incluso dentro de eso, incluso dentro de cada indicador individual, tienes cosas como el enrutamiento del modelo. Y puedes optimizar en cada indicador para la calidad más barata, eficiente y mejor para cada indicador individual. Estoy muy entusiasmado con todas estas cosas, pero aún así, la capa de aplicación creo que es la mayor oportunidad en este momento. Sí.
Bueno, bueno, definitivamente quiero asegurarme de que podamos discutir cómo usar múltiples modelos juntos. Y creo que existe todo este tipo de concepto de una especie de fábrica de destilación y la información y la infraestructura en torno a eso que crees que Microsoft está bien posicionado para proporcionar básicamente, hay múltiples modelos. Tal vez volvamos a eso en un minuto. Pero antes de hacerlo, ya sabes, Microsoft obviamente ha estado en este interesante viaje en torno al código abierto, ¿verdad? Y esta es una de las grandes cosas que hiciste, ya sabes, bajo tu liderazgo desde el principio fue abrazarlo. Y ya sabes, tuviste la asociación temprana con OpenAI, pero también dejaste muy claro que además de trabajar con modelos cerrados, querías asegurarte de que Microsoft sirviera bien a los modelos abiertos. Sí, eso es algo que creo que fue la jugada de ajedrez 4D de Satya. Él identificó muy temprano que OpenAI era una dependencia extrema para Microsoft si dependían de OpenAI para sus modelos y solo OpenAI. Creo que notó, ya sea con Sam Altman o OpenAI en general, que tenían ambiciones más grandes que solo ser un proveedor de modelos y específicamente un proveedor de modelos para Microsoft. Y podrías empezar a ver eso con los rumores de adquisición de Windsurf. Puedes ver eso con su impulso para construir aplicaciones para el consumidor. Y entonces Satya se diversificó de eso. He hablado mucho sobre el riesgo de la plataforma en este canal. Esto es exactamente eso. Y simplemente creo que su inversión en múltiples proveedores de modelos de código abierto y de código cerrado será considerada como uno de los mayores movimientos corporativos estratégicos de la historia. Y tengo curiosidad por saber qué piensas sobre eso y cómo crees que el ecosistema de código abierto va a evolucionar y por qué eso es importante para tus clientes y cómo piensas sobre eso con toda la infraestructura que estás construyendo. Sí, es es es interesante que preguntes eso porque yo yo yo crecí, de hecho, uno de mis trabajos formativos en Microsoft también fue asegurarme de que teníamos interoperabilidad con las diversas versiones de Unix que existen entre NT y Unix. Y eso me enseñó una cosa, que es la interoperabilidad que primero que nada los clientes exigen y si haces un buen trabajo, eso es bueno para tu negocio y obviamente estás satisfaciendo a los clientes donde están. No soy dogmático sobre el código cerrado o el código abierto. Ambos son necesarios en el mundo. Y de hecho, creo que los clientes los demandarán, incluso si alguno de nosotros tiene dogma, no importa, porque al final del día el mundo se romperá de esa manera, que habrá una necesidad de ello. También encaja con lo que acabas de decir porque muchos de mis clientes empresariales quieren poder destilar en muchos casos modelos que poseen. Es su propiedad intelectual. Así que en ese lugar donde un modelo de código abierto tiene una enorme ventaja estructural.
Estoy muy sorprendido de escuchar eso. He tenido muchas conversaciones con líderes empresariales que están pensando en las formas en que su empresa va a adoptar la IA. Y ha sido muy poco frecuente que digan: "Quiero ajustar mi propio modelo. Quiero destilar mi propio modelo". Y lo he dicho en este canal antes, nueve de cada diez veces, el ajuste fino no es necesario para su negocio. Por lo general, la generación aumentada de recuperación de trapos es la respuesta. Asegurarse de que está proporcionando el contexto correcto al modelo en el momento correcto.
Bien. A continuación, hablarán sobre un tema muy cercano y querido a mi corazón, los agentes. Así que, veamos. Sí. Entonces, cómo mencionaste agentes y el aumento de la productividad, y ese es obviamente un tema enorme para todo el ecosistema y la comunidad. Tengo curiosidad, ¿cómo estás viendo eso desarrollarse dentro de Microsoft? Y luego también, ¿cómo estás viendo eso? ¿Cuáles son algunos de los ejemplos más interesantes que estás viendo con el desarrollo? Sí, quiero decir, creo que lo que obviamente ha sido más útil para nosotros ver es lo que ha sucedido con el desarrollo de software, ¿verdad? Quiero decir, hay un par de cosas si miras incluso la evolución de GitHub Copilot, comenzaste con compleciones de código, luego dijiste, agreguemos chat. Entonces, eso significa que no necesitas ir a Reddit o Stack Overflow y puedes permanecer en el flujo. Eso estuvo bien. Luego, el flujo de trabajo agentico. Entonces, simplemente puedes asignar una tarea. Entonces, esas tres cosas, si miro incluso a cualquiera de nosotros usándolo, estás usando las tres todo el tiempo, así que no es como si una sustituyera a la otra y ahora tienes un protoagente incluso, y así que puedes literalmente ir a un indicador alto o simplemente obtener una solicitud de extracción asignada a un agente sui. Entonces, esas cuatro cosas y las ganancias de productividad, la lección más importante aprendida allí, Mark, es que tienes que integrar todo eso con tu repositorio actual y tu flujo de trabajo de desarrollador actual, quiero decir, una cosa es construir una nueva aplicación de campo verde, pero ninguno de nosotros trabaja en un campo completamente verde todo el tiempo, ¿verdad? Entonces, obviamente, ese es un muy buen punto, hay mucho código existente, muchos procesos y equipos existentes, así que necesitamos construir toda esta infraestructura de IA para la codificación directamente en los procesos a los que la gente está acostumbrada. Pero personalmente, estoy más entusiasmado con ese campo verde. Quiero pensar en cómo se ve el futuro de la codificación cuando está casi por completo, si no por completo, hecho por agentes. ¿Cómo se ve el IDE? ¿Cómo se ve esa interfaz de orquestación? Probablemente no se parezca a VS Code, para ser honesto. VS Code se ve como se ve porque nosotros, como humanos, necesitamos poder leer y escribir código de la manera más fácil y eficiente posible. Pero cuando los agentes lo hacen, tal vez la interfaz pueda ser completamente diferente. ¿Cómo se ve esa interfaz para un orquestador? E incluso más allá de eso, ¿cómo se ve el código cuando no necesariamente tiene que ser escrito por o para humanos? Si los agentes escriben el código, los agentes leen el código, la computadora ejecuta el código, ¿por qué necesita parecerse al lenguaje natural? Y lo hace. Aunque tenemos toda esta sintaxis a su alrededor, en última instancia, cuando lo miramos, se parece al lenguaje natural. Ahora, es así porque los humanos son realmente malos escribiendo código simbólico, por ejemplo. Entonces, estoy realmente emocionado de pensar en cómo se ve eso. Bueno, sigamos viendo. No hay necesidad de que alguien prepare nada solo porque todo está disponible de inmediato. Entonces, requiere que cambies el trabajo, el artefacto de trabajo y el flujo de trabajo. Y ahí es donde eso es mucho cambio. Y sucede lentamente al principio y luego, de repente, esto es lo que Cursor's Aman Sanger tuvo que decir recientemente. Cursor escribe casi mil millones de líneas de código aceptado al día. Eso es absolutamente una locura pensar en eso. Y eso es solo Cursor. Eso no incluye Replit, Windsurf, Klein y las otras herramientas de codificación de IA que existen. Para ponerlo en perspectiva, el mundo entero produce solo unos pocos miles de millones de líneas al día. Entonces, Cursor ya es un porcentaje sustancial de todo el código escrito. Y esto es exactamente de lo que he estado hablando durante un tiempo. Vamos a ver esta explosión absoluta en la cantidad de código escrito cada día. Y lo que es más importante, vamos a ver una explosión en la cantidad de personas que pueden escribir código debido a cosas como la codificación de vibraciones, debido a la capacidad de describir lo que quieres ver construido desde absolutamente nada en lenguaje natural a algo que realmente se manifiesta y puedes implementar y otras personas pueden usarlo, puedes usarlo. Y eso es tan emocionante para mí pasar de no sé cuántos desarrolladores hay en el mundo, tal vez unos pocos millones, a miles de millones de personas que pueden escribir lo que quieran.
Bueno, eso es todo lo que quiero cubrir hoy. Hay un poco hacia el final sobre la destilación del modelo y una llamada a los desarrolladores para que creen herramientas funcionales significativas para el mundo real. Si disfrutaste este video, por favor considera darle me gusta y suscribirte.