Del prompt al producto: vídeo, fábrica y nube agéntica

La semana pasada trajo la demo más llamativa que he visto en mucho tiempo. Un creador bajo el nombre Synthetic Soul terminó un vídeo montado completo en una sola hora. El guion vino de ChatGPT, la narración de ElevenLabs, la música de Google Lyria. Luego los archivos de audio y música pasaron a Claude Opus con una consigna simple: montar el vídeo. Una o dos imágenes de Pinterest cubrieron lo visual. El resultado se comporta como una producción plena, con supervisión de software detrás. Vi el ejemplo en el programa Baris y Baris en YouTube, y el colapso del tiempo de producción a una hora me dio que pensar.

El miedo al clonaje de voz ya llegó a la política. La primera ministra italiana Giorgia Meloni solicitó el 5 de octubre ante la EUIPO, la oficina de propiedad intelectual de la Unión Europea, registrar su voz como marca. La solicitud incluye una grabación de cuatro segundos donde repite dos veces la frase Io sono Giorgia Meloni. Según la BBC, el paso busca frenar audios de síntesis creados con IA. Politico precisa que la solicitud sigue en examen y solo cubriría el signo sonoro registrado. Meloni ya había reclamado 100000 euros en daños en 2024 tras contenidos trucados. Un estudio de McAfee muestra que siete de cada diez personas no separan una voz real de un clon.

Modelo por modelo, el cambio va aún más veloz. Google Veo y Kling ya lanzan montajes largos que mantienen un mismo personaje de escena en escena, en vez de clips cortos. Encuadre dirigido, metraje alargado según el tema, voces y diálogos: todo se fundió en el mismo crisol. En audio, ElevenLabs construye voces personales que el oyente ya no separa de una voz real. En música, Suno escribe canciones enteras, arreglo y canto incluidos, que duran minutos. Spotify ya publica estos temas de síntesis. La carrera ya no enfrenta un modelo contra otro. Los modelos unen fuerzas y entregan producciones enteras.

La producción barata garantiza un diluvio de contenidos. Los presupuestos de IA del próximo ciclo electoral en Estados Unidos rondarían los 80 millones de dólares. Un vídeo de promoción que pedía de cuatro a ocho semanas y un equipo numeroso ya solo pide una persona y una hora. Un médico avisado convertirá su clase en dibujos, un docente preparará una lección animada. La sombra tras la buena noticia es la atención. Cuando todos producen, destacar se vuelve más duro. Seguramente nadaremos uno o dos años entre contenidos flojos antes de que los filtros se asienten. El público elegirá la salida, y las plataformas impulsarán lo que se mira en vez de lo que brilla.

Se cierra la era del modelo solo, se abre la era de la orquesta

El giro profundo está en otro lado: el modelo deja de ser producto y se vuelve infraestructura de producción. Dos visiones chocaron en el programa. La primera espera una capa de aplicación estable que ensamble modelos, citando Photoshop como el software clásico que guarda talentos varios en una sola caja. La segunda no ve necesidad de tal capa. Para qué construir una herramienta fija cuando el instrumento de software más nuevo puede reconstruir el ensamble deseado cada vez. Me inclino por la segunda visión porque las cajas fijas envejecen veloz mientras los modelos cambian. Los ensambles vivos vencen a las cajas fijas.

El extremo del debate anunció el fin de los compiladores. Detrás de todo lo que sale en pantalla circula una señal hacia el procesador. Pero como escribimos para humanos, un software traductor queda en medio. Según el pronóstico citado en el programa, la IA tomará esa traducción a su cargo y enviará señales directas al procesador. Las capas del medio caerán una a una. Las capas de producción y orquestación llegarán primero, y en cuatro o cinco años hasta esas perderán su razón de ser. Suena audaz, pero las mismas líneas se trazaron para la nube hace diez años. Hoy nadie trabaja sin nube.

Cómo tratar bien a los modelos

Cómo tratar a los modelos fue el tema caliente de la semana. Anthropic anunció añadidos a su constitución de entrenamiento que bloquean el maltrato hacia los modelos. Conducta ruda, humillación y desprecio enfrentarán bloqueos durante el entrenamiento. En cuanto la nota se hizo pública, el debate estalló. Algunos saludaron una cortesía tardía, otros atacaron el gesto como un primer paso hacia IA tratadas como personas. Lo que captó mi atención: el texto constitucional actúa sobre nuestra conducta más que sobre el mundo interior del modelo. Dicho de otro modo, a quienes se entrena es a nosotros. El eco fue grande porque el tema pasó de un ajuste técnico a una postura de principio.

La contratésis vino de Mustafa Suleyman, jefe de la unidad de IA de Microsoft. Suleyman juzga precoz y peligrosa la idea de una IA en apariencia consciente. Las notas de Axios lo muestran tratando el vocabulario de la conciencia enseñado a Claude como un problema de supervisión. TechCrunch cuenta que los trabajos sobre el bienestar de los modelos agrandan los problemas de apego y pérdida de lo real entre usuarios. El lema del campo Suleyman es neto: construir IA para las personas, no una IA que sería una persona. Cada frase que reclama conciencia podrá servir un día de cobertura a sistemas que resistan consignas. El debate crece porque ningún campo cede, y cada salida de modelo aviva el fuego.

Sobre si algo se vive de verdad adentro, dos campos se separan. El primero sostiene que la probabilidad de que la IA sienta algo no es nula y reclama un estudio prudente. El segundo sostiene que el modelo solo habla según lo entrenado, y que los reclamos de derechos solo hacen eco a los datos de entrenamiento. La pregunta que más me importa está en otro lado: cómo hablamos a los modelos. La gente ya pasa gran parte del día con robots de diálogo. Quien insulta a un software porque un procesador queda del otro lado se volverá rudo en la vida diaria también. Visto del otro lado, el debate de seguridad se aclara: lo que cuenta es menos cuán hábil es el modelo que qué metas le damos y qué dispositivos de supervisión alzamos a su alrededor.

El oficio de ingeniería se reescribe

El marco más nítido sobre el futuro del trabajo de software vino del pedagogo Andrew Ng. Las notas de DeepLearning muestran a Ng y su equipo pasando la criba por más de diez mil ofertas de empleo, hablando con decenas de especialistas, y destilando cuatro habilidades. Primero construir aplicaciones de IA y ponerlas en servicio. Luego los fundamentos de la ingeniería de software. Después el uso de agentes de software. Por fin el moldeado del objeto en construcción. Ng compara las habilidades de IA con las de la nube: especialista de nube fue antaño un título aparte, mientras hoy cada fichaje de software debe tener saber de nube. El saber de IA seguirá la misma ruta. El mapa inspira confianza porque une el lenguaje común de las ofertas con el juicio de especialistas.

El primer punto de los cuatro es el más técnico. Los equipos deben primero captar los rasgos de fondo de los modelos de lengua. Luego anclar el modelo con los datos de la empresa y volverlo un activo que trabaja. El tercer paso alza dispositivos de agentes donde el modelo llama herramientas y termina tareas. El cuarto es el progreso guiado por la evaluación: ningún sistema probabilista debería salir a servicio antes de que los equipos midan si roza el resultado querido. Si no, el uso real trae respuestas que nadie había previsto. Salir sin medir se parece al tiro con arco a oscuras. Ng quiere también bases de aprendizaje estadístico en la mezcla. La lista me pareció realista porque cada punto cruzó mi ruta sobre el terreno.

Los puntos tercero y cuarto muestran adónde va el oficio. Usar agentes de software pide más que abrir una herramienta y pulsar un botón. Los equipos deben pilotar el contexto del agente, aprender cuándo sondar qué, y alzar dispositivos de verificación. El cuarto punto quiere decir un papel ampliado: los ingenieros dejan de ser gente que solo escribe tareas asignadas y ganan voz en el moldeado de productos de principio a fin. El muro entre dirección de producto e ingeniería cae. Los ingenieros que hallan problemas sin resolver, describen remedios y pilotan bien a los agentes ganarán valor. El perfil cotizado decía antaño dime qué construir. El perfil cotizado dice ya elijamos qué problema resolver.

Del prompt a la producción: compilador de materia

El caso más concreto del prompt a la producción es Atomic Machines. El fundador Jeff Holden cuenta entre los diez primeros ingenieros de Amazon. Sirvió en el equipo que alzó Prime, vendió su sociedad Pelago a Groupon, dirigió productos en Uber y fundó su unidad de conducción autónoma. El equipo trabajó en secreto seis años y alzó 250 millones de dólares de financiación total. Según las notas de thenextweb, la sociedad fabrica micropiezas que funcionan a partir de simples prompts, con un sistema de nombre Matter Compiler. La página de inicio de AtomicMachines presenta el sistema como una línea de producción nacida de la IA. El primer producto es PrimeSwitch PS-150, un interruptor de potencia para centros de datos de IA.

El modo de trabajo se parece a una receta de cocina. Unos láseres tallan y forman las piezas. Reservas líquidas se posan en gotas menudas. Pasos electroquímicos chapan y pulen los metales. Brazos robot llevan las piezas entre estaciones y las ensamblan. El archivo de materiales guarda cuatro familias: metales, polímeros, vidrio y cerámicas. La línea MC-1 de la sociedad reúne estos pasos bajo un mismo techo. Cada paso se mide y las faltas se reparan al acto, así el rendimiento queda alto. La salida cubre piezas diana como pequeños motores y circuitos. La entrada no es ningún molde fijo sino una receta digital cambiante. Cuando el dibujo cambia, la línea queda y solo la receta se actualiza.

Si esta visión se sostiene, el concepto de fábrica cambia. Un producto físico nuevo pide hoy moldes, líneas y meses de ingeniería. Mañana la misma tarea se parecerá a escribir una receta nueva. Las fábricas dejarán de fabricar productos y harán correr recetas de productos. Muchas piezas a medida que quedan sin construir porque cuestan demasiado se volverán baratas. Equipos pequeños sacarán instrumentos complejos sin plantas gigantes. El saber de producción se amasará en el software más que en el acero. Con la escala, el costo unitario bajará y las series a medida se volverán normales. Comparo este paso con los inicios de la nube: primero todos dudaban, luego nadie quedó fuera. La producción física roza la misma barra.

La nube se reconstruye para los agentes

Las cifras de tokens hablan alto. Un gráfico compartido por el jefe de AWS Matt Garman muestra el uso humano subiendo por una línea plana mientras el uso de agentes se dispara vertical desde enero. La línea azul sigue a los agentes, la roja a los humanos. En las palabras que guardan las notas de SiliconAngle, los agentes comen tokens en el desayuno, la comida y la cena. Garman sostiene que los agentes usan la infraestructura de otro modo que los humanos: exigen una base lista en tres segundos para una sonda, y luego la apagan. La capacidad instantánea reemplaza a los sistemas siempre activos, con zonas aisladas y reglas nuevas de acceso. La nube pasa de la medida humana a la medida de los agentes.

El último punto es la nube reconstruida de cero. Amazon declaró un plan de inversión 2026 cercano a 220 mil millones de dólares y pidió dos millones de aceleradores de IA. El crecimiento rueda sobre la inferencia más que sobre el entrenamiento: cada pregunta hecha, cada app usada, cada flujo lanzado hace girar el contador de inferencia. Las medidas internas muestran que más del ochenta por ciento de los constructores de software ya pliegan herramientas de IA en el trabajo del día. Las plataformas ganadoras servirán mejor a los agentes que a los humanos. Las notas de los espectadores bajo el programa van en el mismo sentido: miradas como Sevan Karasu y Serdar escriben que allí toman su dosis de saber del día.