De la Escritura de Código a la Orquestación de Agentes: El Futuro del Software Impulsado por IA

En una mesa redonda en Sequoia Ascent 2026, Andrej Karpathy, cofundador de OpenAI y líder de Eureka Labs, presentó un cambio fundamental en cómo se desarrolla el software. Argumentó que hemos cruzado un umbral donde los modelos de lenguaje grandes no son simplemente herramientas que aceleran flujos de trabajo existentes, sino una nueva capa operativa para el trabajo digital que reorganiza cómo se abordan y ejecutan las tareas. Karpathy observó un salto cualitativo en las capacidades de los agentes de IA alrededor de diciembre de 2025, cuando los fragmentos de código generados se volvieron significativamente más grandes, coherentes y confiables. Este cambio ha redefinido lo que significa ser programador: el rol evoluciona de escribir código a orquestar agentes. Designa esta transición como "Software 3.0," donde un LLM interpreta y realiza cálculos sobre contexto digital, adaptándose a entornos con menos precisión pero mucha mayor flexibilidad que los paradigmas de programación tradicionales. Su ejemplo de MenuGen ilustra esta reorganización claramente. Una aplicación web tradicional requeriría un stack completo—frontend, APIs, generación de imágenes, despliegue e infraestructura. En Software 3.0, un modelo multimodal puede tomar una fotografía de menú y generar directamente imágenes de platos superpuestas sobre ella, eliminando gran parte del andamiaje de software. Este principio se extiende más allá de la codificación: algunas aplicaciones deberían dejar de existir como productos de software discretos. La implicación para founders es profunda: la IA no es meramente una forma más rápida de construir aplicaciones antiguas; está haciendo que algunas dejen de ser necesarias. Karpathy enfatiza que la capacidad del modelo no depende solo de la verificabilidad de la tarea, sino también de cuánto se enfatizó la tarea durante el entrenamiento y el aprendizaje por refuerzo. Los agentes de codificación funcionan bien porque reciben retroalimentación inmediata—las pruebas pasan o fallan—mientras que otros dominios pueden fallar inesperadamente. Para founders, la pregunta estratégica es si su dominio se encuentra dentro de los "rieles" entrenados del modelo. Si no es así, pueden necesitar contexto mejorado, fine-tuning o entornos de aprendizaje por refuerzo propios. El contraste entre "vibe coding" (adecuado para prototipos) e "ingeniería agéntica" (requerida para sistemas de producción) aclara que el futuro no es la sustitución de programadores sino su transformación. Los ingenieros agénticos diseñan especificaciones, supervisan planes e inspeccionan el código generado. Críticamente, la comprensión humana sigue siendo insustituible—saber qué vale la pena construir, reconocer resultados sospechosos y juzgar compromisos aceptables. Esta comprensión es por qué Karpathy promueve las bases de conocimiento LLM como herramientas para transformar información en comprensión, no meramente para responder preguntas.