[TL;DR Diario] Voy a decir en voz alta lo que todos callan: cuando la factura mensual de IA de un ingeniero empieza a sonar como una ronda Series A, esto deja de ser una historia sobre herramientas y se convierte en un experimento económico. Entonces, ¿qué estamos viendo realmente: el próximo sistema operativo de la ingeniería de software, o una máquina muy costosa para producir basura de IA a escala industrial? Probablemente ambas cosas. 🤖💸 🔥 La configuración: un flex de un billón de tokens convertido en un debate público sobre costos 📌 Los números principales son absurdos a propósito • Peter Steinberger, fundador de OpenClaw, estimó que su equipo gastó alrededor de $10 millones en costos de tokens en un solo mes para trabajo de IA, y agregó inmediatamente: no todo ese gasto fue útil. • Otro ejemplo viral provino del perfil de Cursor de Lauren Tan, que mostró aproximadamente 1,5 billones de tokens utilizados en 30 días. • Usando un punto de referencia aproximado de $8 por 1 millón de tokens, Peter Piekarczyk estimó que eso equivalía a unos $384.000 por día, ~$11 millones por mes, o $132 millones anualizados. • Incluso con un descuento empresarial del 90%, la estimación aún se sitúa en alrededor de $1,1 millones por mes, o aproximadamente $13 millones al año. 📌 Por qué la gente se alarmó: el uso está muy fuera del comportamiento normal de los desarrolladores • Los datos de Jellyfish entre 12.000 desarrolladores sugieren que el usuario mediano consume alrededor de 51 millones de tokens por mes. • El percentil 90 está alrededor de 380 millones de tokens por mes. • Eso hace que el uso de 1,5 billones de tokens de Lauren sea aproximadamente 29.000 veces la mediana, mientras que los 603 mil millones de tokens previamente compartidos por Steinberger aún eran alrededor de 12.000 veces. • Una vez que el uso de tokens se traduce en cálculos salariales, la narrativa cambia rápidamente: ya no es “herramienta de productividad”, parece aristocracia de cómputo. 📌 La factura real es complicada, porque no todos los tokens cuestan lo mismo • Los conteos de tokens tipo Cursor pueden incluir entrada estándar, salida del modelo, escrituras en caché y lecturas en caché. Estos tienen precios muy diferentes. • Con precios tipo Opus 5.5, 1 millón de tokens de entrada podría costar alrededor de $4, las salidas alrededor de $20, y las lecturas en caché solo aproximadamente $0,20. • Una captura de pantalla de uso mostró 73,3 mil millones de tokens que costaron alrededor de $30.000 en total, lo que implica un promedio de aproximadamente $0,41 por 1 millón de tokens porque el tráfico en caché dominaba. • Aplicando esa tasa combinada a 1,5 billones de tokens, el costo mensual cae a aproximadamente $615.000, no $11 millones. • En la fantasía del límite inferior absoluto donde todo se factura al precio de lectura en caché, 1,5 billones de tokens costarían aproximadamente $300.000 por mes. • Piekarczyk también suavizó más tarde su propia afirmación: incluso si su estimación original era 10 veces demasiado alta, el costo mensual podría estar aún alrededor de $100.000. 🔥 Entonces, ¿qué compró realmente todo ese gasto? 📌 No “un chatbot”, sino toda una estructura organizacional de agentes • Steinberger describió este estilo de trabajo como explorar cómo se ve el desarrollo de software cuando el costo de los tokens ya no es una restricción. • Su equipo de tres personas ejecutaba alrededor de 100 instancias de Codex. • Estos agentes revisaban PRs, escaneaban el historial de commits en busca de errores de seguridad, fusionaban problemas duplicados en GitHub, escribían correcciones, monitoreaban regresiones de rendimiento e incluso se unían a reuniones para generar PRs a partir de discusiones. • Lauren describió su propia configuración como un equipo de más de 20 agentes: un agente jefe de gabinete, un agente PM y más de 20 agentes de ejecución funcionando autónomamente. 📌 La idea central no es la generación, sino la verificación • La afirmación de Lauren es que el cuello de botella en la codificación con agentes no es escribir código, sino demostrar que el código realmente funciona. • Su proceso hace que los agentes ejecuten código, recojan trazas CPU y instantáneas del heap, lancen simuladores iOS e interactúen con aplicaciones como lo harían los usuarios. • El objetivo es crear un bucle cerrado: si un agente puede verificar su propia salida, puede seguir iterando hasta completar la tarea. • Si no puede verificarla, devuelve un diff a un humano y se detiene — lo que significa que el humano se convierte en la parte más lenta del sistema. • A su escala afirmada de 4.000 PRs por mes, incluso dedicar 5 minutos de revisión humana por PR sumaría aproximadamente 333 horas, básicamente un mes completo de trabajo para una persona. Por lo tanto, la revisión manual no puede ser la capa de validación. 📌 Esto cambia el rol del ingeniero • En este modelo, el ingeniero empieza a parecerse menos a un programador y más a un gerente de ingeniería para agentes. • El punto de Lauren es contundente: si no puedes confiar en la salida de un agente, nunca escalarás a cien. • Su flujo pstack empaqueta esto en playbooks estructurados — estandarizando comprensión, diseño, codificación, revisión y validación entre múltiples agentes locales y en la nube. 🔥 Pero aquí es donde la historia se vuelve aguda: toda esta autonomía requirió restricciones brutales 📌 La base de código tuvo que reconstruirse para ser amigable con agentes • Se informó que GrokBot comenzó como software codificado rápidamente con débiles restricciones arquitectónicas y poca lectura humana del código. • Eso facilitó que los agentes eligieran la ruta de menor resistencia: más código, límites borrosos y aumento del riesgo de rendimiento. • Para solucionarlo, Lauren dijo que usó más de 600 PRs para refactorizar el sistema en una arquitectura interna llamada Dune. • Las reglas del CI se volvieron extremadamente estrictas: prohibir useEffect, prohibir comentarios y validar gráficos de dependencias para que Electron main y renderer nunca se importen mutuamente. • En otras palabras, lo “inteligente” no fue solo mejores modelos. Fue rediseñar el entorno para que los agentes tuvieran menos formas de ser descuidados. 📌 pstack puede ser poderoso, pero también puede ser profundamente no portable • Su paquete incluye 23 playbooks y más de 20 principios de ingeniería. • Suena menos como un flujo de trabajo universal y más como una jaula conductual altamente afinada para modelos. • Lo cual está bien — hasta que alguien intente copiarlo y pegarlo en equipos comunes con presupuestos comunes y bases de código heredadas comunes. Entonces la magia podría desaparecer. 🔥 La reacción negativa: ¿es esto innovación o solo teatro computacional para ricos? 📌 Los críticos dicen que esto es una fábrica de basura de IA disfrazada como el futuro • En Reddit y entre los círculos de ingeniería, muchos desarrolladores argumentaron que fusionar miles de PRs con gasto prácticamente ilimitado en tokens no es una revolución en ingeniería de software. • Su afirmación: esto es cómputo a fuerza bruta usado para inundar una base de código con microcambios, ignorando el verdadero cuello de botella: la mantenibilidad a largo plazo. • Dicho de otro modo, la generación de código escala más rápido que el juicio. Y cuando el juicio está subfinanciado, la deuda se socializa hacia quien herede el repositorio. 📌 El valor comercial puede ser mayor que el valor técnico • Theo, fundador de T3, argumentó que el costo interno real podría estar más cerca de $25.000–$50.000 por mes. • Su punto era simple: incluso a ese nivel, la exposición vale la pena. Algunas empresas gastan $1 millón en eventos y obtienen menos atención que una publicación viral de Lauren.• Desde la perspectiva de Cursor, esto podría ser menos una historia de economía por unidad y más una estrategia de relaciones públicas magistral. • Lauren misma reconoció claramente su privilegio: trabaja en un laboratorio de IA con tokens efectivamente ilimitados, por lo que no afirma que todos deban copiar su método exacto. 📌 La pregunta más profunda es económica, no solo técnica • Si el desarrollo agente solo funciona sin problemas cuando los bucles de validación están masivamente subvencionados, entonces el producto real no es “codificación con IA”. Es el acceso a verificación económica a gran escala. • Y si eso es cierto, AgentFi se convierte en el marco más interesante: no solo qué pueden hacer los agentes, sino quién puede permitirse dejarlos operar de forma autónoma. • El futuro podría no pertenecer a los equipos con los mejores prompts. Podría pertenecer a los equipos que construyen los mejores sistemas de incentivos, límites y bucles de verificación eficientes en capital. Mi interpretación? Esta historia es útil precisamente porque incomoda a todos. • Mejor caso: es una visión temprana de una nueva pila de ingeniería donde los agentes envían, prueban, reparan y coordinan entre sistemas de software. • Peor caso: es un espectáculo subvencionado por cómputo que confunde volumen de salida con calidad de producto. • Más probable: la verdad se encuentra en el medio. El software agente puede ser real, pero sin una arquitectura disciplinada y una economía sensata, podría convertirse simplemente en una forma más rápida de fabricar deuda técnica. Entonces, aquí está la pregunta que les dejaría: Si un agente puede escribir 4.000 PRs al mes, pero solo una élite mínima puede pagar la factura de validación, ¿es ese el futuro del software—o solo una demostración de poder?