Un viernes por la noche de noviembre de 2025, Peter Steinberger creó la primera versión de OpenClaw.
El prototipo solo tomó aproximadamente una hora, pero en cuestión de semanas, OpenClaw superó las 145,000 estrellas en GitHub, convirtiéndose en el proyecto de software de código abierto de más rápido crecimiento en la historia de GitHub.
La plataforma fue construida en gran parte por agentes de IA, y marcó un cambio de los chatbots a una IA autónoma y orientada a tareas.
Y este cambio se está acelerando. La IA ahora genera el 75% del código nuevo de Google y hasta el 30% del código nuevo de Microsoft. Los commits diarios de Claude Code en GitHub superaron los 134,000 a principios de 2026, frente a casi cero en su lanzamiento en marzo de 2025.
Este es un cambio estructural en la forma en que se realiza el software y, cada vez más, el trabajo del conocimiento.
Los agentes de IA están construyendo la frontera de ese cambio.
Entonces, ¿qué es exactamente un agente de IA y en qué se diferencia de un chatbot o un LLM? ¿Qué hace que esto sea estructural y no una fase pasajera? Y a medida que la pila madura, ¿dónde se acumula el valor y dónde se mercantiliza?
Estas son las preguntas que nos propusimos responder.
El resultado es un marco de cinco capas sobre lo que realmente es un agente, hacia dónde se dirige la tecnología y quién está posicionado para ganar en cada capa.
Algunas de las respuestas ya son visibles en los números. Anthropic pasó de $1B a $44B en ingresos anualizados en diecisiete meses, casi en su totalidad gracias a los agentes de codificación. Al mismo tiempo, los arneses de agentes de código abierto ahora procesan decenas de billones de tokens por mes. Ambos números parecen apuntar al mismo lugar: la capa de arnés.
Pero los agentes aún cometen errores obvios de forma rutinaria. En diciembre de 2025, un agente de codificación de Amazon eliminó y recreó de forma autónoma un entorno de producción en vivo, dejando fuera de servicio a AWS en China durante 13 horas. En abril de 2026, un agente de Cursor impulsado por Claude eliminó una base de datos completa de una empresa en 9 segundos.
Cuatro modos de falla aparecen repetidamente en producción, y la mayoría nunca aparecen en la hoja de precios de un proveedor.
La encuesta State of AI 2025 de McKinsey encontró que menos del 10% de las organizaciones tienen agentes implementados a una escala significativa. La mayoría no los está utilizando en absoluto.
La brecha entre lo que es técnicamente posible y lo que está operativamente implementado es la oportunidad.
El manual de 84 páginas en nuestro Substack es nuestro esfuerzo para, con suerte, proporcionar un mapa. Esto es lo que encontrarás dentro:
- Las cinco capas de un agente y cómo encajan
- Seis casos de estudio de cómo los primeros usuarios están implementando agentes hoy, incluyendo mi empresa, 8090
- Las cuatro formas en que los agentes fallan de manera confiable en producción
- La capa que esperamos acumule el valor más duradero a medida que los modelos se mercantilizan
- Quién está posicionado para controlar cada una de las cinco capas
Suscríbete para leer y dime qué piensas en el grupo: https://chamath.substack.com/p/ai-agents-primer
