1.1 De las ventanas de chat a la acción: por qué debemos rediseñar los productos de IA
Hoy quiero compartir cómo vemos la creación de productos en la era de la IA.
Mi propia experiencia es bastante amplia. Soy el miembro más grande del equipo directivo; mis otros socios nacieron en 1992 y 1993, mientras que yo nací en 1986 y cumpliré 40 el próximo mes. Ver a alguien de casi 40 años entre estudiantes podría hacerte pensar que se trata del típico adulto de mediana edad.
Entré temprano a esta industria: empecé a trabajar justo después de terminar la licenciatura, sin hacer estudios de posgrado.
Antes de unirme al equipo, siempre quise construir un producto que pudiera funcionar de forma continua 24/7: uno que no requiera intervención humana constante, sino que pueda razonar y generar resultados de manera ininterrumpida. En ese momento ni siquiera tenía clara la forma específica, pero realmente quería hacerlo porque creía que el límite máximo de inteligencia de los modelos ya había superado al de los humanos. Necesitábamos un formato de producto razonable para estimular al modelo de forma proactiva y automática, permitiéndole generar resultados continuamente. Sin importar el escenario de aplicación final, creo que esta es la forma definitiva que debería tener un producto de IA. Muchas de estas ideas surgieron al explorar los límites actuales de las capacidades de los modelos.
Esta también fue una razón importante por la que decidí unirme. En ese momento, Red me contactó diciendo que quería crear un navegador con IA, e intuitivamente sentí que esa dirección era la correcta.
Más tarde, resumí el problema central que encontramos en nuestra investigación en un solo punto: el formato de producto de los chatbots limita por sí mismo la expresión de las capacidades de los modelos de IA.
Esto significa que construiste un producto, pero el límite máximo de su valor está restringido por los usuarios: ellos deben saber cómo hacer preguntas Y estar dispuestos a hacerlas para desbloquear el valor del producto. ¿Qué pasa si los usuarios no saben cómo preguntar? Entonces el valor del producto se vuelve mínimo.
Los navegadores son un escenario típico: no necesitas escribir prompts continuamente; redactar correos, buscar información, navegar por páginas web... estos comportamientos son en sí mismos expresiones de intención y pueden convertirse en entradas para el modelo, generando enormes necesidades de razonamiento en segundo plano. Otra razón por la que nuestro Científico Jefe y yo quisimos unirnos fue que Red no solo es un product manager impresionante, sino que también entiende profundamente cómo operar una empresa.
1.2 Frenando el navegador con IA: el tiempo importa más que los costos hundidos
Para octubre de 2024, nuestro navegador con IA ya estaba listo. Las pruebas internas siempre revelaban una o dos funciones particularmente brillantes.
Pero al recomendarlo a familiares y amigos, surgieron problemas serios: todos están demasiado familiarizados con los navegadores. La primera pregunta que hacían durante las pruebas solía ser: "¿Dónde quedó esa función que usaba en Safari o Chrome?".
Este es el mayor problema al injertar experiencias nuevas sobre las antiguas: los usuarios siempre tomarán como referencia su experiencia previa. Pero ahí no están tus puntos fuertes. Quieres que se enfoquen en la parte de IA, pero a todos les importa más qué tan bien está hecha la experiencia básica del navegador.
Para un equipo de startup, igualar la experiencia básica de gigantes como Apple y Google en un producto con más de 20 años de referentes maduros es casi imposible. Forzarlo consumiría demasiada energía extra y nos haría descuidar el desarrollo de la IA. En ese momento, pensé que el producto tenía verdaderos puntos fuertes y que a los usuarios avanzados les encantaría al lanzarse, pudiendo volverse viral tras algunas iteraciones. Pero Red estaba sumamente conflictuado en septiembre y octubre. Por un lado, sentía que no tenía sentido lógico colgar experiencias nuevas sobre las viejas; por otro, le preocupaba que, una vez lanzado, todo el equipo quedara atrapado en eso de 3 a 6 meses. Los fundadores suelen dudar en abandonar; si la primera versión tiene un rendimiento pobre, piensan "quizás solo falta mejorarlo un poco, sigamos iterando", y desperdician medio año.
En la escuela quizás no comprendas el concepto del tiempo, pero para las startups, el dinero es en realidad el recurso más fácil de resolver: mientras la dirección sea correcta, siempre puedes levantar fondos. El recurso más valioso y que no se puede desperdiciar es el tiempo. Perder tiempo no solo agota tu energía personal; lo más aterrador es que te hace perder ventanas de mercado y tendencias clave.
En ese momento, en octubre de 2024, toda nuestra empresa tenía solo 30 personas. Con el apoyo de ZhenFund, solo habíamos levantado rondas Angel y Pre-A, con poco efectivo disponible. Después de invertir 7 meses en un nuevo proyecto que ya estaba pulido y probablemente impactaría al mercado al lanzarse, Red finalmente decidió cancelar el proyecto. Viéndolo ahora, esa fue una decisión crucial, porque si no hubiéramos frenado el navegador, nunca habría existido Manus.
Cuando compartimos esta historia por primera vez el año pasado, los críticos dijeron que no deberíamos menospreciar el nicho de los navegadores con IA ya que nosotros no logramos construir uno. Pero hoy podemos decir con confianza que en ese nicho realmente no hay productos verdaderamente exitosos. La razón esencial es: para crear nuevas experiencias, es mejor crear algo completamente nuevo en lugar de intentar hacer "IA + experiencia antigua".
1.3 Viendo oportunidades de Agentes Generales en las herramientas de código
Después de detener el navegador en octubre de 2024, el equipo empezó a pensar cuál debería ser el siguiente producto. El equipo de Beijing era muy pequeño entonces, ocupando apenas una pequeña oficina en un espacio de coworking con cinco personas en total. Como CPO, yo manejaba el producto; el Científico Jefe se encargaba de los modelos; y teníamos a un colega desarrollador full-stack llamado Abin. Aunque nuestros roles eran distintos, los tres teníamos experiencia programando. Yo empecé a escribir código en tercer grado.
El producto más fenomenal de 2024 fue Cursor, que explotó en popularidad en julio. Lo usábamos a diario, pero desarrollamos sensaciones distintas durante su uso. Especialmente yo, al no ser un programador profesional, comencé a usar Cursor para muchas otras cosas: gestionar reembolsos, convertir MP4 a MP3 para mi esposa, ayudar en la escritura de novelas, etc.
En este proceso, sentimos cada vez más el poder del modelo Claude 3.5 Sonnet detrás de Cursor. Sobre todo después de las versiones posteriores, tanto Cursor como Windsurf vieron mejoras significativas en sus capacidades. Muchas startups locales e internacionales estaban imitando a Cursor, lo que provocó una oleada de herramientas de programación, aunque todavía no se les llamaba exactamente "Coding Agents" (Agentes de Código).
La verdadera oportunidad que vimos fue esta: Sonnet 3.5 v2 desbloqueó mucho más que una simple capacidad de programar: desbloqueó habilidades de planificación y acción autónoma.
Las capacidades de planificación y acción autónoma se manifiestan principalmente en dos aspectos:
Primero, la planificación a largo plazo (Long-horizon Planning).
Ahora esto puede parecer de sentido común, pero no lo era a finales de 2024. En ese momento, los modelos de OpenAI tenían dificultades con esto, prefiriendo el diálogo turno por turno estilo ChatGPT, resolviendo problemas directamente en una sola interacción. A partir de Claude 3.5 Sonnet, y potenciado enormemente en versiones posteriores, surgió la capacidad de realizar planificación de tareas a largo plazo: sabe que no debe apresurarse a completar todo en un solo turno, sino que llama herramientas de forma activa, hace preguntas a los usuarios, recopila más información y solo ejecuta cuando tiene suficiente confianza.
Segundo, el uso de herramientas (Tool Use).
Cursor crea herramientas que permiten que más personas se conviertan en ingenieros. Pero nuestro juicio fue que el mundo no necesita más ingenieros, ni los ingenieros necesitan más herramientas sofisticadas: ya tienen suficientes. Si alguno de ustedes programa regularmente, estoy seguro de que su computadora tiene muchas herramientas instaladas, intercambiándolas y evaluándolas constantemente. Así operan los ingenieros.
Creíamos que, una vez desbloqueada esta capacidad, efectivamente se desbloqueaban habilidades generales para la gente común. Mientras el mundo entero apostaba por los Coding Agents, nosotros vimos la oportunidad de usar la programación como un medio para resolver escenarios generales para usuarios comunes, por lo que nuestra perspectiva de entrada fue completamente distinta.
Cuando iniciamos el proyecto en diciembre de 2024, en realidad estaba muy asustado porque sentía que seguramente otros también veían este futuro. Estábamos tensos, reuniendo todos los recursos disponibles de la empresa para desarrollar rápido, temiendo que alguien más nos ganara. Después de dos meses de desarrollo, para el lanzamiento del 5 de marzo de 2025, descubrimos que, según nuestras observaciones, casi solo nosotros estábamos trabajando en esta dirección; los demás seguían construyendo herramientas de código.
Detectamos el punto de inflexión a finales de 2024, identificando con agudeza las capacidades de planificación a largo plazo y uso de herramientas en el límite del modelo. Tras múltiples exploraciones, seguimos intentando encontrar el formato de producto adecuado.
1.4 Apuntando a usuarios no técnicos: haciendo visible la inteligencia y construyendo confianza
Las primeras versiones de Manus se parecían mucho a Cursor, lucían como una herramienta de programación. Una vez, Yusen, inversionista de ZhenFund, visitó nuestra oficina para ver el prototipo inicial. Dijo: "¿Este diseño de tres columnas no se ve demasiado profesional? Resulta intimidante". Nuestro criterio al planear el producto era apuntar a audiencias no técnicas. Y si apuntas a personas no técnicas, dar una primera impresión que luzca demasiado profesional definitivamente es un problema. Así que cambiamos la interfaz de tres columnas a dos.
Durante este proceso, hicimos muchas innovaciones para el mercado objetivo. Como los agentes eran algo demasiado nuevo, a la gente común le costaba creer que realmente pudieran cumplir lo prometido. Durante esos dos meses y medio de I+D, llegaba a casa todos los días con la voz ronca.
Después de poner en marcha el primer prototipo el 5 de enero de 2025, publiqué en Moments preguntando a mis amigos: si tuvieran un pasante con educación universitaria, ¿qué tareas le asignarían? Recopilí más de 400 tareas de más de 100 amigos, formando el primer dataset de evaluación de Manus.
A partir del primer prototipo, conforme mejoraba el framework de ejecución del agente (más tarde llamado Harness), esas tareas nos traían sorpresas diarias. Excluyendo más de 100 tareas que requerían inteligencia corporeizada (como comprar té con leche), las más de 300 restantes se completaron de formas inimaginables. No podía evitar gritar de emoción en la oficina todos los días, llegando a casa con la garganta irritada. Mi esposa me preguntaba por qué el trabajo me dejaba tan agotado. Pero la sensación de ver la inteligencia brotar a través de la pantalla era irresistible: sabías que este era el futuro.
Sin embargo, este impacto era tan intenso que, si solo le dábamos los resultados a los usuarios, podrían pensar que era falso. Así que tomamos una decisión: la transparencia en sí misma debía convertirse en una característica del producto.
En el primer lanzamiento de Manus, dos diseños de producto críticos se convirtieron en paradigmas para casi todos los agentes de IA:
Primero, la visualización de la ejecución paso a paso. Permitir que los usuarios vean cómo el agente avanza en las tareas, llama herramientas, visita páginas web, toma notas y escribe código.
Segundo, la reproducción de sesiones (Session Replay). Al compartir sesiones, otros pueden revisar el proceso completo de ejecución.
El rendimiento de la inteligencia del producto podría representar el 80%, pero estos dos diseños de UI orientados al crecimiento fueron cruciales para la explosión inicial. Muchos al principio no creían en los agentes de IA, pero al ver paso a paso cómo avanzaba en las tareas, llamaba herramientas, visitaba páginas y escribía notas/código, se dieron cuenta de que funcionaba como un humano, lo que generó confianza. Con Session Replay, los usuarios no necesitaban códigos de invitación ni pagar; con solo ver las sesiones compartidas podían experimentar esos momentos sorprendentes. Estos diseños nacieron de definir claramente a nuestros usuarios objetivo como no técnicos: no podíamos asumir conocimientos previos, así que tuvimos que usar la innovación del producto para ayudarlos a entender qué estaba pasando y construir confianza.
1.5 La verdadera razón detrás de un solo lanzamiento: innovación de producto y expresión del fundador
Respecto al lanzamiento de marzo, en noviembre pasado en la Universidad de Tsinghua, un estudiante preguntó si muchos pensaban que habíamos comprado montones de KOLs y armado un evento de marketing en marzo.
Un amigo que trabaja en marketing me dijo: "Incluso con un presupuesto de 20 o 30 millones de RMB, si me pidieras replicar el marketing de Manus, no lograría este efecto". Los jóvenes suelen estigmatizar el marketing, pensando que está mal. Si quieres emprender pero crees que el marketing está mal, esa es una mentalidad terrible. Saber contar una buena historia es precisamente una habilidad que les falta a los fundadores chinos, algo que experimenté profundamente en Silicon Valley durante los últimos dos años.
La gente subestima la dificultad del marketing, asumiendo que solo se trata de tirar dinero. Si fuera tan simple, las startups nunca tendrían oportunidades porque no puedes gastar más que las grandes empresas.
Yo solía decir que el lanzamiento de marzo costó 0 RMB, pero luego me di cuenta de que esto no era del todo riguroso:
El 28 de febrero de 2025, el sitio web estaba listo. Nuestro CEO, Red, lo revisó y dijo: "Tao, ¿este sitio no se ve un poco simple? ¿Deberíamos agregar un video?". Quedaban solo unos días antes del lanzamiento del 5 de marzo. Contacté a dos o tres productoras de video en Beijing; todas dijeron que el tiempo mínimo de entrega era de dos semanas.
Al final, grabé el video yo mismo usando una cámara Sony A7C II. Como mis lentes no eran buenos, le pedí prestado un lente 50mm f/1.2 GM a Yusen de ZhenFund. Edité durante dos noches. Al exportar a YouTube, descubrí que exportar en 4K requería pago. Así que gasté unos $12-15 dólares en una membresía de CapCut por un mes: el único dinero extra que se gastó en ese lanzamiento, cancelada inmediatamente después de renovarse.
Cuando el video se volvió viral, la gente asumió que éramos genios del marketing que habían hecho un video increíble. Cuento esta historia repetidamente para advertir a los jóvenes emprendedores: si tu conclusión sobre un producto fenomenal es "son buenos en marketing", aprendiste la lección equivocada. Las cosas nunca son tan simples.
Primero, Manus apareció en el momento adecuado, usando el formato de producto correcto para mostrarle al mundo dónde estaban los límites de capacidad de los modelos. Ahora a los frameworks se les llama Harness; en ese entonces, el término no era popular. Creo que fuimos de los primeros equipos en hacer este tipo de frameworks, llevando los límites del modelo al extremo. Después del lanzamiento, me reuní con el equipo de Anthropic en San Francisco en marzo. No creían que solo usáramos sus modelos porque sus pruebas internas no coincidían con nuestra potencia. Les dije que genuinamente amaba sus modelos. Más tarde, Claude Code filtró algo de código, y vimos ecos de nuestros primeros diseños de arquitectura. Por eso, creo que la base fundamental del éxito del lanzamiento fue una innovación significativa de producto.
Sin una buena innovación de producto, depender únicamente de videos es poner el carro delante del caballo. Después, me sentí impotente al ver incontables startups adoptando el mismo estilo: el fundador sentado en un sofá con plantas atrás. Todos actuaban como estudiantes asiáticos copiando plantillas de examen sin saber qué más hacer. Esto es gracioso porque elegimos ese ángulo puramente porque era el único lugar con fondo limpio en nuestro parque de coworking, lo suficientemente silencioso para grabar. Si lo ves con atención, hay un salto de cuadro porque nuestro Científico Jefe estaba hablando mientras una señora de limpieza trapeaba detrás de él. Lo que realmente importa nunca es el video en sí, sino tu producto. Sin embargo, viéndolo retrospectivamente, ese video siguió siendo importante porque yo lo grabé y nuestro Científico Jefe lo presentó.
Después de que Manus explotara, muchos equipos enfrentaron cuestionamientos de sus jefes/inversionistas: "¿Por qué no pueden construir algo como Manus?". La excusa más segura solía ser: "Somos un equipo técnico sólido, no como ellos que son buenos en marketing". Suena fundamentado, culpando al fracaso de "no ser buenos en marketing".
La gente ignora la esencia: yo soy de producto; el otro maneja los modelos como Científico Jefe. Ninguno de los dos venía del marketing. Simplemente construimos un producto del que estábamos orgullosos y satisfechos, y luego se lo expresamos al mundo con nuestras propias palabras.
El marketing en las etapas tempranas de una startup debe involucrar personalmente a los fundadores. Subcontratarlo a agencias o contratar "expertos en marketing" arriesga una distorsión severa de la información. Solo los fundadores saben realmente cómo contar la historia. Así que, mirando hacia atrás, el video importó no por su formato, sino porque lo hicimos nosotros mismos.
1.6 Diseñando productos para las capacidades del modelo dentro de seis meses
Para la innovación en aplicaciones de IA, diseña productos pensando en las capacidades del modelo dentro de seis meses. Creo que el próximo año, 2027, será el gran año de las aplicaciones de IA.
¿Qué significa "seis meses adelante"? No esperes hasta leer un artículo esta mañana sobre una actualización de modelo que añade capacidades, y recién ahí pensar en construir apps basadas en eso. Para entonces, podría ser demasiado tarde.
En nuestro equipo, el Científico Jefe aportó información crucial. Habiendo investigado NLP por más de una década, podía percibir con agudeza las direcciones de evolución de los laboratorios de vanguardia a partir del rendimiento actual de los modelos y de información pública/no pública. Por ejemplo, vimos capacidades de AGI (Inteligencia Artificial General) emergiendo de Claude 3.5 Sonnet, dando otro salto en la V2. Juzgamos que estaban invirtiendo fuertemente en esa dirección. Si daba otro salto de nivel en 3 o 4 meses, ¿no sería nuestro producto increíblemente potente?
Así que decidimos empezar de inmediato. Originalmente esperábamos un salto de 3.5 a 4.0, planeando lanzar con 4.0, pero salió primero 3.7. La noche que se lanzó 3.7, publiqué en Jike: "Noche de recarga de fe". ¿Por qué? Esa noche, nuestro código de Harness no cambió ni una sola línea; solo cambiamos la interfaz del modelo de 3.5 V2 a 3.7. En nuestro set de evaluación, el rendimiento se disparó, resolviendo instantáneamente cerca del 20-30% de los problemas previamente no resueltos. Supimos que habíamos apostado correctamente.
Nuestro Científico Jefe siempre enfatizaba: "Menos estructura, más inteligencia". Después del lanzamiento, cuando compartí esto en Silicon Valley y en nuestro país, muchos lo descartaron. La práctica común entonces implicaba que los humanos diseñaran flujos de trabajo, enseñándole a la IA los pasos: escribiendo reglas obligatorias o ramas condicionales dondequiera que hubiera errores. Pero nuestro primer framework de ejecución de agentes no usaba flujos de trabajo fijos dictando cada paso; en cambio, el modelo decidía las siguientes acciones de forma autónoma.
Ya fuera haciendo investigación, Slides, sitios web o análisis de datos, el modelo decidía los siguientes pasos en lugar de procesos rígidos encadenándolo todo. Los sistemas multiagente estaban de moda entonces, pero nosotros persistimos con rutas de agente único.
¿Por qué mantener esto? Menos estructura predefinida maximiza el beneficio del aumento en las capacidades del modelo. Escribir flujos de trabajo rígidos te impide disfrutar de los dividendos de las actualizaciones del modelo. Antes de 3.7, no sabíamos si este juicio era válido. Pero en la noche del lanzamiento, lo confirmamos: sin cambiar los frameworks de ejecución, solo mejorar las capacidades del modelo impulsó el rendimiento del producto. Esto significaba no solo esta vez, sino potencialmente beneficios continuos del progreso futuro de los modelos. Así que para los emprendedores de IA, es crucial no parchear infinitamente las debilidades actuales del modelo, ya que eventualmente serán resueltas. En cambio, pregúntate: ¿Cómo serán los modelos en 6 meses? Si es así, ¿qué formato de producto adecuado coincide con ese modelo futuro?
Empieza ahora. En 3 meses, los productos pueden parecer pobres, pero mantén una fuerte convicción: es solo porque los modelos aún no alcanzan ese nivel. Una vez que lo hagan, las ventajas del formato de producto se manifestarán de inmediato. Cuando los modelos realmente lleguen a esa etapa, serás el único posicionado ahí, totalmente preparado.
1.6.1 Un ejemplo con visión de futuro: experiencia generativa con latencia de un segundo
Quizás esto te parezca abstracto. ¿Qué se puede hacer realmente? Más allá de lo que hemos hecho, ¿hay otras oportunidades? Puedo compartir una oportunidad (que yo mismo no voy a perseguir):
He estado esperando un momento: que los modelos de generación de video como Seedance reduzcan la latencia desde la entrada del prompt hasta la salida visual a menos de un segundo. Creo que ese será un punto de inflexión crítico para esta ronda de emprendimiento en apps de IA. Porque, en mi opinión, un modelo de generación de video con latencia de un segundo ya no es solo una herramienta: es un sistema operativo de nueva generación.
Cuando llegue este futuro, ¿cómo debería verse el software? ¿Cómo deberían interactuar los usuarios con productos generativos de latencia de un segundo? Mi juicio es que estos cambios ocurrirán dentro de seis meses. Prepararse en torno a esta dirección es una gran oportunidad de emprendimiento. Este es solo un ejemplo. Muchos modelos progresan en diversos campos. ¿Cómo serán en 3 o 6 meses? ¿Cómo debería la gente común aprovechar estas capacidades? Esta es la oportunidad central para el emprendimiento en apps de IA.
1.7 Bajando las barreras de entrada, usando el pago para identificar el verdadero valor
Luego, el segundo juicio: ¿por qué no construimos chatbots? Porque su techo se limita fácilmente por los prompts de los usuarios; solo los usuarios altamente conocedores extraen todo su valor, haciendo que los productos sean selectivos. Los futuros intentos de nuevos productos buscan minimizar los costos de entrada del usuario, permitiendo que sientan continuamente el valor de la inteligencia del modelo en su vida diaria.
En la era de la IA, el valor de producto más importante es dejar que los usuarios sientan la inteligencia. Muchos no se dan cuenta de esto, pensando que el valor radica en ser gratis. Nunca se trata de ser gratis; los subsidios gratuitos son la mayor trampa en la era de la IA.
Mirando hacia atrás el emprendimiento en apps de IA en China durante los últimos 2-3 años, la mayor trampa fue dejarse engañar por la mentalidad de subsidios gratuitos del internet móvil anterior, asumiendo que esta generación podía hacer lo mismo. Totalmente equivocado:
Primero, si el rendimiento de la inteligencia es lo suficientemente bueno, la gente pagará. Por ejemplo, algunos usuarios centrales de la plataforma gastan entre $4,000 y $5,000 dólares mensuales. Son montos altos, pero la disposición indica que encontraron valor.
Segundo, los subsidios gratuitos atrapan a los equipos en retroalimentación inválida. Por supuesto que debes escuchar comentarios, pero los usuarios gratuitos exigen "quiero esto, quiero aquello". Estas demandas no carecen de valor, pero pueden distraer a los emprendedores. Mirar demandas irrelevantes, pensar en direcciones equivocadas, esencialmente es perder el tiempo.
Tercero, apegarse a modelos de pago asegura que la retroalimentación venga de usuarios que han sentido el valor y votado con su dinero/acciones. Construir en torno a sus necesidades reales atrae mejor a otros usuarios de pago.
Durante los últimos 2-3 años, los intentos locales de crecer mediante subsidios gratuitos iniciales (ya fueran Coding Agents u otros) fracasaron en su mayoría. La gente culpaba a un branding débil, pero la razón central fue optar por la gratuidad. Esto es especialmente notorio en las grandes empresas: los recursos abundantes permiten gastar decenas de millones en subsidios desde el primer día, llevándolos por un camino torcido. Yo no puedo hacer cosas gratis. Si alcanzas 100k DAU en el primer mes, eso se convierte en tu KPI. El mes siguiente solo querrás números más altos; nadie se atreve a empezar a cobrar. Cargas con este peso de DAU gratuito, deteriorando tu percepción de los mercados de usuarios reales. Punto crucial: dejar que los usuarios sientan un verdadero rendimiento de inteligencia es lo más importante al construir productos en la era de la IA.
No lanzamos funciones de pago inicialmente, empezando a cobrar a finales de marzo de 2025. Para abril, el primer mes, el ARR superó los 40 millones, acercándose a los 50 millones. ¿Por qué? Porque el producto realmente entregó una inteligencia abrumadora. Esa es la clave.
1.8 Por qué persistir con el propósito general: mentalidad del usuario y necesidades long-tail
El tercer juicio es persistir con el propósito general. Al lanzar Manus, afirmamos ser el primer agente de IA de propósito general del mundo. ¿Por qué enfatizar el propósito general?
Al principio, escuchamos muchas opiniones de inversionistas, como modificar la UI, pero nos negamos a una sugerencia. Los inversionistas preguntaban: "¿Qué puede hacer exactamente este producto? Cada visita muestra raras tareas long-tail". Les mostré resultados de evaluaciones internas/externas; dijeron: "¿Puedes nombrar un escenario práctico que demuestre valor?". Admití que no podía.
Sugirieron enfocarnos, por ejemplo, en un generador de sitios web o un generador de Slides. Eso era posible, pero no lo hicimos.
Retrospectivamente, suena calculado, pero en realidad no pensamos tanto en ese momento. Simplemente, durante esos dos meses y medio desarrollando Manus, me impactó repetidamente la inteligencia, estando extremadamente emocionado a diario. Sabiendo que era increíble, realizando todas las tareas long-tail como un humano, quería compartir esa alegría/sorpresa con el mundo.
Fue pura mentalidad de producto, no una estrategia general preplanificada. Pero mirando hacia atrás, insistir en el propósito general fue un juicio estratégico crítico en el camino de Manus.
Razón: la posición de marca en la mente es difícil de comprar con dinero.
Tu posición cognitiva en la mente de los usuarios es difícil de cambiar incluso con miles de millones. Como empezamos como "Agente General", lanzar posteriormente desarrollo web, Slides o comandos de video se sintió natural. Los usuarios pensaron: "Manus hace de todo; esto es normal". Mientras tanto, los competidores verticales expandiéndose a tareas generales confundieron a los usuarios: "¿No eras una herramienta de sitios web? ¿Por qué haces análisis de datos ahora?". No subestimes esto.
La ocupación cognitiva de un producto en la mente de los usuarios suele ocurrir una sola vez en la vida. Cambiarla es inmensamente difícil, posiblemente tomando años de grandes ajustes estratégicos/de producto después de sobrevivir. Insistir en el propósito general nos permitió disfrutar de dividendos en cada ola de IA, continuando hasta hoy.
Otro punto importante: internamente, tenemos una matriz: eje X = dinero que nos pagan; eje Y = satisfacción del usuario. ¿Quién ocupa la esquina superior derecha (mayor pago, mayor satisfacción)?
No programadores. Apuntamos a usuarios no técnicos; hay uso por parte de programadores, pero es menor. Los más satisfechos son los gerentes corporativos: CEOs, jefes pequeños, líderes de departamento. ¿Por qué? Los jefes tienen la mayor cantidad de tareas variadas, pensando en esto hoy y en aquello mañana. Manus les resulta increíblemente satisfactorio. Antes de Manus, ninguna herramienta de IA lo resolvía todo ni debatía cualquier tema por ellos. Las IA verticales anteriores (por ejemplo, agentes de marketing) eran limitadas; solo Manus lo hacía todo. Así que los grupos de CEOs lo usaron encantados, convirtiéndose en usuarios leales de gama alta. Insistir en un enfoque de propósito general nos aseguró clientes de alto nivel y construyó barreras de posicionamiento mental, sobreviviendo 1 o 2 años de iteración tecnológica sin quedar eliminados.
Por supuesto, no todos deberían apuntar al propósito general. Tuvimos éxito porque nadie más lo hizo en ese momento, conquistando primero el espacio mental. Intentarlo después es mucho más difícil.
1.9 Diseña en torno a la vida del usuario, no a sus hábitos técnicos
El cuarto acierto es entender a los usuarios.
Como mencioné, desde el principio definimos a nuestros usuarios como no técnicos. Nuestro objetivo era empoderar a todas las personas comunes con capacidades explosivas de los modelos, no solo a los programadores.
Por eso hicimos un trabajo exhaustivo de UX:
Primero, construir confianza mediante procesos de ejecución transparentes.
Segundo, ejecución asíncrona en la nube. Los programadores que usan Cursor hacen clic en confirmaciones después de los comandos y les parece genial. Pero la gente común no se queda mirando la computadora todo el día; pueden usar el teléfono o hacer otras cosas. Así que equipamos cada tarea con un sandbox en la nube, ejecutando las tareas allí. Escenario común: sacas el teléfono, asignas la tarea, lo guardas en el bolsillo, no necesitas mantener la pantalla encendida y revisas los resultados cuando termina.
Tercero, hacer que el proceso en sí sea compartible. Diseñamos las repeticiones de sesión (Session Replays) con una narrativa. Al principio, muchos no podían usar el producto por los códigos de invitación, pero entendían su valor a través de las repeticiones.
1.9.1 Detrás de los códigos de invitación: financiamiento y restricciones de capacidad de inferencia
Por cierto, ¿por qué usamos códigos de invitación de forma tan estricta al inicio?
Razones simples. Como grabar videos de sofás: nosotros lo hicimos, otros lo copiaron; usamos códigos de invitación, otros los copiaron. Pero conocer las razones subyacentes hace que las acciones de los imitadores resulten cómicas.
Los códigos de invitación fueron puramente porque nos quedaban unos 8 o 9 millones de dólares. Acabábamos de levantar una ronda, pero seguíamos siendo una empresa pobre. Antes de Manus, muchos fondos de capital de riesgo locales no nos veían con buenos ojos; comparados con competidores de IA más llamativos, nuestro efectivo escaseaba.
Incluso con códigos de invitación, el gasto diario máximo alcanzó los 500 mil dólares. Si hubiéramos abierto por completo, temía que la empresa colapsara en una semana tras el lanzamiento del 5 de marzo. Sin los recursos de una gran empresa, la respuesta inesperadamente masiva del lanzamiento nos obligó a controlar el ritmo mediante códigos de invitación y luego lanzar funciones de pago. Durante el periodo gratuito, los códigos gestionaban el consumo.
Esa es una razón; la segunda es desconocida fuera de la industria: hoy, comprar APIs/tokens de AWS/GCP suele estar bien, con suministro ilimitado (principalmente porque los productos no escalan tanto). ¿Nuestro desafío? Manus fue el primer agente de propósito general orientado al consumidor en el mundo. Antes, las plataformas en la nube atendían aplicaciones de chatbots o acompañantes. En pruebas tempranas comparando Manus (agente) con Monica (chatbot, producto de un colega), el consumo de tokens por DAU individual difería entre 200 y 1000 veces.
¿Qué tan grande es este número? Para adquirir rendimiento de llamadas a modelos en la nube se usa TPM (Tokens Por Minuto). M = Millón. En Asia-Pacífico, las grandes aplicaciones de chat/acompañamiento que necesitaban 10M-20M de TPM eran clientes de primer nivel. Tres días después del lanzamiento, al abrir completamente el acceso para quienes tenían código de invitación, la demanda alcanzó ~800M de TPM.
¿Para dimensionarlo? Llamé a un proveedor de nube (no diré cuál) y le dije que necesitábamos 500M de TPM. Acostumbrados a startups que exageran para obtener descuentos, preguntaron: "¿Este es el volumen proyectado para el próximo año?".
Dije que no, necesito 500M ahora.
No pudieron proporcionarlo. Ningún proveedor de nube tenía suficientes reservas de cómputo; la capacidad crecía de forma incremental mientras se vigilaban entre sí. Al principio, no podíamos permitirnos quemar tanto, y los servicios en la nube no estaban preparados para la explosión de los agentes de IA.
Afortunadamente, conseguimos cientos de millones de TPM de una plataforma en la nube, sobreviviendo el primer mes. Después, nos comunicamos continuamente con los proveedores, diciéndoles que los agentes iban a explotar, instándolos a preparar capacidad.
Para mayo, cuando terminaron los códigos de invitación, muchas plataformas ofrecían 30-50M de TPM a emprendedores gracias a los aumentos previos.
Así que cuando compartí esto en mayo/junio, la gente no lo creía, llamándonos fanfarrones: "Nunca enfrentamos esto; pedir 10M funciona en cualquier momento".
Pensé: primero, hace dos meses quizás no lo habrías conseguido; segundo, 10M frente a 1000M difieren 100 veces. La gente no se dio cuenta de cuántos problemas en la cadena de suministro causó la demanda del lanzamiento de Manus. Recursos en la nube, infraestructura, pagos: todo requirió pioneros para resolverlo. Los futuros emprendedores de agentes podrían no enfrentar exactamente los mismos problemas.
1.10 Consejos para jóvenes emprendedores
Finalmente, muchos aquí podrían convertirse en emprendedores nativos de la IA. Aquí van algunas sugerencias.
1.10.1 Piensa en global desde el día uno, no solo en Occidente
Primero, visión global.
¿Qué es la visión global? En junio pasado, VivaTech, la gran cumbre tecnológica de Europa, nos invitó. Encantados de hablar en la cumbre de un producto que era fenómeno global. Tres días antes de partir, los organizadores prometieron una sorpresa. Esa noche, Gmail recibió un correo de elysee.fr (el dominio del Palacio Presidencial francés): el presidente Macron me invitaba a cenar.
Primera reacción: estafa. La gente normal pensaría que es una estafa, ¿verdad? Los organizadores confirmaron que esa era la sorpresa. Después de la cumbre, cené con Macron en el Palacio del Elíseo. Mi reciente publicación en Xiaohongshu aprovechando el tráfico de Jensen Huang ocurrió porque Macron estaba sentado a mi derecha y Huang enfrente. Huang dio un discurso brillante; lo grabé y lo publiqué, volviéndose tendencia recientemente.
¿Por qué cuento esto? El producto llevaba apenas poco más de 3 meses lanzado y ya estábamos invitados a eventos de tan alto perfil. Decenas de mesas llenas de fundadores e inversores europeos. Las charlas posteriores a la cena revelaron ideas de startups defectuosas.
El ecosistema de startups europeo va muy por detrás de China, con una mentalidad defensiva: "Construir en Europa, para Europa". Muchos abogaban por fortalecer la IA local para que empresas y gobiernos europeos usaran IA europea, temiendo el dominio de EE. UU. y China.
Me sentí incómodo. Fundadores estadounidenses cercanos coincidían en que era increíble. El entorno formal impedía hablar sin rodeos, pero internamente pensé: si hubiéramos adoptado el "construir en China, solo para China", hoy no estaría sentado aquí.
Creemos que el mayor valor de los LLM incluye reducir drásticamente las barreras del idioma. Entre nuestros tres líderes, Red y yo no teníamos experiencia estudiando o viviendo en el extranjero antes de la startup; Red ni siquiera había visitado EE. UU. Solo nuestro científico jefe vivió brevemente fuera durante su infancia. Precisamente porque las barreras del idioma cayeron, pudimos comercializar, atender y pensar globalmente, creando este tipo de productos.
Sin embargo, muchos jóvenes fundadores europeos intentaban encerrarse en Europa. Un enfoque equivocado. Lo mencioné durante los intercambios.
Hoy, animo a los jóvenes fundadores locales nativos de la IA: consideren la expansión global y el servicio a usuarios desde el día uno. Con las barreras del idioma eliminadas, salir al exterior definitivamente no es un problema. Nuestros sistemas internos y servicio al cliente son multilingües porque esas barreras ya no existen.
La IA es un regalo del cielo para los emprendedores chinos. Antes, competir con las exportaciones tecnológicas de EE. UU. era difícil debido al dominio del inglés y desventajas culturales. Pero en la IA, poseemos una fuerte capacidad para ganar mercados globales mediante innovación de producto y dimensional. Por eso, la visión global es primordial para emprender en IA.
Enfatizo: Global ≠ solo Occidente. El mundo es vasto; el Sur Global ofrece oportunidades. El mercado de mayores ingresos es EE. UU., pero la mayoría de los usuarios residen en Brasil. Medio Oriente, Europa, Japón/Corea, el Sudeste Asiático, África: todos tienen usuarios.
Nunca digas "el extranjero" cuando te globalices. Internamente corrijo a los miembros del equipo prohibiendo decir "países extranjeros" porque es vago. "Extranjero" implica una oposición binaria con "local", simplificando demasiado la compleja distribución global entre regiones, idiomas y culturas. Una verdadera visión global que detecta oportunidades regionales genera nuevos conocimientos.
1.10.2 Usa los productos personalmente, no reemplaces tu criterio con narrativas emocionales
Segundo consejo para la gente de producto: lean menos medios independientes (self-media).
Aclaración: no apunto a los creadores de calidad aquí. Pero los constructores de productos que solo leen artículos de self-media caen en el nihilismo: hoy "explosión a nivel nuclear", mañana "la industria murió". Desde el lanzamiento de Manus, innumerables veces nos declararon "disruptivos" o "en desuso", pero el negocio creció constantemente.
La mayoría del self-media carece de experiencia en la industria; el tráfico impulsa su escritura. Apelan a las emociones, estimulando dopamina mediante felicidad, enojo o confusión, manipulándote. Percibir el desarrollo de la IA de esta manera crea una desconexión masiva con la realidad.
Por ejemplo, 2 o 3 meses después del lanzamiento, el TPM llegó a 800-900M. Globalmente, excepto Cursor/Windsurf, etc., pocas startups quemaron más tokens. Sin embargo, muchos medios seguían enseñando "cómo construir agentes".
El lenguaje es poder y herramienta. Las opiniones escritas parecen iguales, pero sus bases difieren. Algunos carecen de contacto con el mercado, investigación de usuarios o validación en línea; sus opiniones son imaginarias. Consumirlos a diario te arrastra emocionalmente.
El verdadero sentido de producto reside en los detalles. Cuando escuches "OpenAI lanzó X, la industria murió", pruébalo tú mismo: muchos productos de OpenAI son malos. Diez lanzamientos dan un éxito debido a su personal, financiamiento y base sólida; nueve fracasan. Ver al self-media concluir "los grandes lo hicieron, la vía está cerrada" te hace perder oportunidades. Todo requiere tocar, usar y practicar con tus propias manos.
Entrevistar PMs de IA últimamente fue terrible. Reclutas universitarios que afirmaban interés en ser PMs de IA listaban una sola herramienta; al pedirles mostrar chats recientes, su teléfono no tenía la app o tenía 2 o 3 tareas: claramente estudiaron de memoria para la entrevista.
La IA lleva 3 o 4 años transformando industrias, pero los candidatos a PM de IA no la usan. Esto muestra fallas en el filtrado de currículums (ahora exigimos pruebas de uso real), pero fundamentalmente da miedo: la gente no se da cuenta de que el prerrequisito para trabajar en IA es usarla profundamente uno mismo. Solo la experiencia de primera mano revela los límites actuales de los modelos/productos y las nuevas oportunidades. Consumir contenido digerido nunca transmite la realidad.
Puedes escribir artículos o crear contenido influyendo a otros (miembros del equipo lo hacen; yo ocasionalmente); pero nunca dependas únicamente del self-media para nutrirte, de lo contrario tu comprensión de la industria se deformará y no representará la verdad.
1.10.3 Descubre problemas, abraza lo desconocido, corrige mediante la acción
Tercer consejo, no solo para PMs de IA, sino dado a aspirantes a excelentes PMs durante más de una década:
Los modelos y tecnologías actuales abundan; lo escaso no es la tecnología ni la ejecución, sino descubrir problemas. La capacidad de descubrir y definir problemas, describiendo claramente los estados resueltos, es rara. No se adquiere simplemente escuchando charlas de startups. Al ser joven o estar en la universidad, la presión es baja: observa la sociedad, la vida, a tus compañeros o colegas de prácticas, identifica problemas reales esperando soluciones.
¿Cómo opera este mecanismo social? ¿Dónde puede la IA mejorar la eficiencia? Todo surge de observar la vida. Espero que haya mayor curiosidad hacia la vida misma: la curiosidad impulsa la comprensión y el refinamiento. Pero muchos actualmente carecen de ella.
Casi dos años después del lanzamiento de Manus, jóvenes emprendedores preguntan frecuentemente "¿Cómo lograron el éxito?". Buscan hojas de respuestas deterministas, creyendo que seguir diez pasos garantiza el éxito. Nunca es así. Emprender es altamente incierto. La mayoría de las decisiones se toman sin claridad total, actuando de todos modos y ajustando dinámicamente.
Esto distingue a los emprendedores de los fondos de capital de riesgo. Los VCs realizan investigaciones largas porque sus decisiones son pesadas e irreversibles; el dinero invertido se queda invertido. Buscan alta precisión mediante estudios previos, preguntando sobre escenarios finales y rutas. Los emprendedores no pueden pensar así. Predefinir todo y las mejores rutas significa que NO es la mejor ruta.
Los emprendedores viven dinámicamente en el campo de batalla, observando cambios diarios, entendiendo las transformaciones del mundo, el mercado y la tecnología, tomando decisiones dinámicas cada día. Así operan los emprendedores excelentes.
En los últimos 2 o 3 años, tengo una fuerte sensación: cada vez más, los jóvenes emprendedores temen abrazar lo desconocido, exigiendo respuestas permanentes: ¿Cómo disparar esta arma? ¿Cómo manejar marketing/producto/tecnología/globalización? Anhelo de certeza. Cuando no puedes dársela, sospechan que ocultas secretos; al escuchar "no hay secretos, actúa primero", creen que no quieres compartir.
Por lo tanto, mantente curioso sobre el mundo. Lo desconocido es lo más hermoso. Las grandes oportunidades están en lo desconocido, no en las certezas. Si existiera certeza, habríamos construido navegadores de IA en su lugar.
1.11 Conclusión: Deja que las mentes desarrollen manos
Finalmente, muchos quizás no conozcan el origen del nombre Manus. Deriva del lema del MIT Mens et Manus, latín para Mente y Mano. ¿Por qué elegirlo? Porque todos los grandes proveedores de modelos construyen Mentes, pero a finales de 2024, ¿por qué mentes tan fuertes no podían ejercer una influencia enorme? Porque tenían cerebro pero no manos. Manus representa las manos de los grandes modelos, permitiendo que los pensamientos del cerebro afecten el mundo real, resolviendo problemas genuinos.
Esto aplica al tema de hoy: todos los pensamientos requieren práctica. La esencia de emprender es la práctica, no meras simulaciones en PowerPoint para concursos o presentaciones llamativas para levantar capital.
Atreverse a practicar, enfrentar la sociedad real, mantenerse curioso, resolver problemas mundiales aún no resueltos: ese es el verdadero espíritu emprendedor, el deber de los fundadores, no jugar a la casita fingiendo ser emprendedores. Gracias.





