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 veterano de nuestro equipo directivo; mis otros socios nacieron en 1992 y 1993, mientras que yo nací en 1986 y cumpliré 40 años el mes que viene. Ver a alguien de casi 40 años entre estudiantes podría hacerte pensar que se trata del típico hombre de mediana edad.
Entré pronto en esta industria, empecé a trabajar justo después de terminar la carrera sin hacer un posgrado.
Antes de unirme al equipo, siempre quise construir un producto que pudiera funcionar de forma continua 24/7: uno que no requiriera intervención humana constante, sino que pudiera razonar y generar resultados sin parar. En aquel momento ni siquiera tenía clara la forma concreta que tomaría, pero deseaba hacerlo con todas mis fuerzas porque creía que el límite máximo de inteligencia de los modelos ya había superado al humano. Necesitábamos un formato de producto razonable para estimular al modelo de manera proactiva y automática, dejándolo generar resultados continuamente. Independientemente del 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 se acercó a mí diciéndome 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 chatbot 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 condicionado por los usuarios: estos deben saber cómo hacer preguntas Y estar dispuestos a hacerlas para desbloquear el valor del producto. ¿Y si los usuarios no saben preguntar? Entonces el valor del producto se vuelve mínimo.
Los navegadores son un escenario típico: no necesitas introducir prompts continuamente; escribir 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 estuvimos dispuestos a unirnos fue que Red no solo es un product manager impresionante, sino que además entiende profundamente cómo funciona una empresa.
1.2 Frenar el navegador con IA: el tiempo importa más que los costes hundidos
En octubre de 2024, nuestro navegador con IA estaba prácticamente listo. Las pruebas internas siempre revelaban una o dos funciones especialmente brillantes.
Pero al recomendarlo a familiares y amigos, surgieron problemas graves: todo el mundo está demasiado familiarizado con los navegadores. La primera pregunta que hacían durante las pruebas solía ser: "¿Dónde ha ido a parar esa función que usaba en Safari o Chrome?".
Este es el mayor problema al injertar experiencias nuevas sobre antiguas: los usuarios siempre tomarán como referencia su línea base de experiencia previa. Pero ahí no están tus puntos fuertes. Quieres que se centren en la parte de IA, pero a todos les importa más lo bien ejecutada que esté 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 aquel momento, pensé que el producto tenía verdaderos puntos fuertes y que a los usuarios avanzados les encantaría al lanzarse, pudiendo hacerse viral tras unas cuantas iteraciones. Pero Red estaba tremendamente dividido en septiembre y octubre. Por un lado, sentía que lógicamente no tenía sentido colgar experiencias nuevas sobre viejas; por otro, le preocupaba que, una vez lanzado, todo el equipo quedara atrapado en ello de 3 a 6 meses. Los fundadores suelen dudar a la hora de abandonar; si la primera versión tiene un rendimiento mediocre, piensan "quizá simplemente aún no es lo bastante buena, sigamos iterando", y desperdician medio año.
En la escuela puede que 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 la correcta, siempre puedes levantar fondos. El recurso más valioso e irrecuperable 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 por etapas.
En aquel 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 que probablemente asombraría al mercado al salir, Red finalmente decidió matarlo. Mirando atrás, 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 si nosotros mismos no habíamos logrado construir uno. Pero hoy podemos decir con confianza que en ese nicho realmente no hay ningún producto verdaderamente exitoso. 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 Agente General en las herramientas de programación
Tras detener el navegador en octubre de 2024, el equipo empezó a pensar cuál debía ser el siguiente producto. El equipo de Pekín era muy pequeño entonces, ocupando apenas una pequeña oficina en un espacio de coworking con cinco personas en total. Como CPO, yo me encargaba del producto; el Científico Jefe 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 tercero de primaria.
El producto más fenomenal de 2024 fue Cursor, que explotó en popularidad en julio. Lo usábamos a diario, pero fuimos desarrollando sensaciones distintas durante su uso. Especialmente yo, al no ser programador profesional, empecé a usar Cursor para muchas otras cosas: gestionar reembolsos, convertir MP4 a MP3 para mi mujer, ayudar a escribir novelas, etc.
En este proceso, sentimos cada vez más el poder del modelo Claude 3.5 Sonnet detrás de Cursor. Sobre todo tras las versiones posteriores, tanto Cursor como Windsurf experimentaron mejoras significativas de capacidad. Muchas startups nacionales e internacionales estaban imitando a Cursor, lo que provocó un boom de herramientas de programación, aunque todavía no se las llamara exactamente "Agentes de Programación" (Coding Agents).
La verdadera oportunidad que vimos fue esta: Sonnet 3.5 v2 desbloqueó mucho más que una simple capacidad de programación: desbloqueó habilidades de planificación y acción autónomas.
Las capacidades de planificación y acción autónomas 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 al estilo ChatGPT, resolviendo problemas directamente en una sola interacción. A partir de Claude 3.5 Sonnet, y enormemente potenciada 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 activamente a herramientas, 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 a más personas convertirse 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 vosotros programa habitualmente, seguro que tenéis muchas herramientas instaladas en el ordenador, cambiándolas y evaluándolas constantemente. Así operan los ingenieros.
Creíamos que, una vez desbloqueada esta capacidad, se desbloqueaban efectivamente habilidades generales para la gente común. Mientras el mundo entero apostaba por los Coding Agents, nosotros vimos la oportunidad de usar la programación como medio para resolver escenarios generales para usuarios normales, por lo que nuestra perspectiva de entrada fue completamente distinta.
Cuando lanzamos el proyecto en diciembre de 2024, en realidad estaba muy asustado porque pensaba que seguro que otros también veían este futuro. Estábamos tensos, movilizando todos los recursos disponibles de la empresa para desarrollar rápido, por miedo a que alguien nos ganara la partida. Tras dos meses de desarrollo, para el lanzamiento del 5 de marzo de 2025, descubrimos que, según nuestras observaciones, casi solo nosotros trabajábamos en esta dirección; los demás seguían construyendo herramientas de programación.
Detectamos el punto de inflexión a finales de 2024, identificando con agudeza las capacidades de planificación a largo plazo y de 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: hacer visible la inteligencia, construir confianza
El primer Manus se parecía mucho a Cursor, lucía como una herramienta de programación. Una vez, Yusen, inversor de ZhenFund, visitó nuestra oficina para ver el prototipo inicial. Dijo: "¿No resulta demasiado profesional este diseño de tres columnas? Se siente intimidante". Nuestro criterio al planificar el producto era dirigirnos a un público no técnico. Y si apuntas a gente no técnica, dar una primera impresión demasiado profesional es definitivamente un problema. Así que cambiamos la interfaz de tres a dos columnas.
Durante este proceso, hicimos muchas innovaciones pensando en 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 tuvierais un becario con educación universitaria, ¿qué tareas le asignaríais? Recopilí más de 400 tareas de más de 100 amigos, formando el primer conjunto de datos de evaluación de Manus.
A partir de ese primer prototipo, a medida que mejoraba el marco 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 en la oficina todos los días y llegar a casa con la garganta destrozada. Mi mujer me preguntaba por qué el trabajo me dejaba tan exhausto. Pero la sensación de una inteligencia atravesando la pantalla era irresistible: sabías que eso era el futuro.
Sin embargo, este impacto era tan intenso que, si solo entregábamos 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 de diseño para casi todos los Agentes de IA:
Primero, la visualización de la ejecución paso a paso. Permitir a los usuarios ver cómo el Agente avanza en las tareas, llama a herramientas, visita páginas web, toma notas y escribe código.
Segundo, la repetición de sesión (Session Replay). Al compartir sesiones, otros pueden revisar el proceso de ejecución completo.
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 pagos; 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 de producto para ayudarles a entender qué estaba pasando y construir confianza.
1.5 La verdadera razón detrás de un único lanzamiento: innovación de producto y expresión del fundador
Respecto al lanzamiento de marzo, el pasado noviembre en la Universidad de Tsinghua, un estudiante preguntó si muchos pensaban que habíamos comprado a montones de KOLs y orquestado un evento de marketing en marzo.
Un amigo del sector del marketing me dijo: "Incluso con un presupuesto de 20-30 millones de RMB, si me pidieras replicar el marketing de Manus, no lograría este efecto". Los jóvenes a menudo estigmatizan el marketing, pensando que está mal. Si quieres emprender pero crees que el marketing está mal, tienes una percepción 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 consiste en 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 riguroso:
El 28 de febrero de 2025, la web estaba lista. El CEO, Red, la revisó y dijo: "Tao, ¿no está un poco sosa esta web? ¿Deberíamos añadir un vídeo?". Solo quedaban unos días para el lanzamiento del 5 de marzo. Contacté con dos o tres productoras de vídeo en Pekín; todas dijeron que necesitaban un mínimo de dos semanas de antelación.
Al final, grabé el vídeo yo mismo con una cámara Sony A7C II. Como mis objetivos eran malos, le pedí prestado un objetivo 50mm f/1.2 GM a Yusen de ZhenFund. Edité durante dos noches. Al exportar a YouTube, descubrí que la exportación en 4K requería pago. Así que gasté unos 12-15 $ en una suscripción de un mes a CapCut: el único dinero extra que gasté en ese lanzamiento, cancelada inmediatamente después de renovarse.
Cuando el vídeo se volvió viral, la gente asumió que éramos genios del marketing que habían hecho un vídeo increíble. Cuento esta historia repetidamente para advertir a los jóvenes emprendedores: si tu conclusión sobre un producto fenomenal es "son buenos en marketing", has aprendido 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 aquel 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. Tras el 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 lo tanto, creo que la base fundamental del éxito del lanzamiento fue una innovación de producto significativa.
Sin una buena innovación de producto, depender únicamente de vídeos es poner el carro delante de los bueyes. Más tarde, me sentí impotente al ver a innumerables startups adoptando el mismo estilo: el fundador sentado en un sofá con plantas detrás. 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 rincón con fondo limpio en nuestro parque de coworking, lo suficientemente silencioso para grabar. Si os fijáis bien, hay un salto de fotograma porque nuestro Científico Jefe estaba hablando mientras una señora de la limpieza fregaba el suelo detrás de él. Lo que realmente importa nunca es el vídeo en sí, sino tu producto. Sin embargo, mirando atrás, ese vídeo siguió siendo importante porque lo grabé yo y lo presentó nuestro Científico Jefe.
Después de que Manus explotara, muchos equipos se enfrentaron a las preguntas de sus jefes/inversores: "¿Por qué no podéis construir algo como Manus?". La excusa más segura a menudo se convirtió en: "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 se encarga de 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 de una startup en fase temprana debe involucrar personalmente a los fundadores. Externalizarlo a agencias o contratar "expertos en marketing" conlleva el riesgo de una grave distorsión de la información. Solo los fundadores saben realmente cómo contar la historia. Así que, mirando atrás, el vídeo 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 por delante"? No esperes a leer un artículo esta mañana sobre una actualización de modelo que añade capacidades para empezar a pensar en construir apps basadas en ella. Para entonces, podría ser demasiado tarde.
En nuestro equipo, el Científico Jefe aportó información crucial. Habiendo investigado NLP durante más de una década, podía percibir con agudeza las direcciones de evolución de los laboratorios punteros a partir del rendimiento actual de los modelos y de información pública/no pública. Por ejemplo, vimos emerger capacidades de AGI (Inteligencia Artificial General) en 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 3-4 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; simplemente cambiamos la interfaz del modelo de 3.5 V2 a 3.7. En nuestro set de evaluación, el rendimiento se disparó, resolviendo instantáneamente aproximadamente un 20-30% de los problemas previamente irresolubles. Supimos que habíamos apostado correctamente.
Nuestro Científico Jefe siempre enfatizaba: "Menos estructura, más inteligencia". Tras el lanzamiento, cuando compartí esto en Silicon Valley y en China, muchos lo descartaron. La práctica común entonces implicaba que los humanos diseñaran flujos de trabajo, enseñando pasos a la IA: escribiendo reglas obligatorias o ramas condicionales allá donde hubiera errores. Pero nuestro primer marco de ejecución de Agente 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, webs o análisis de datos, el modelo decidía los siguientes pasos en lugar de procesos rígidos encadenándolo todo. Los sistemas multi-agente estaban de moda entonces, pero nosotros persistimos con rutas de agente único.
¿Por qué mantener esto? Menos estructura preestablecida maximiza el beneficio del aumento de capacidades del modelo. Escribir flujos de trabajo rígidos impide disfrutar de los dividendos de las actualizaciones del modelo. Antes de 3.7, no sabíamos si este juicio era válido. Pero la noche del lanzamiento, lo confirmamos: sin cambiar los marcos de ejecución, simplemente 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 se resolverán. En su lugar, pregúntate: ¿cómo serán los modelos en 6 meses? Si es así, ¿qué formato de producto adecuado encajaría 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 han alcanzado 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 allí, totalmente preparado.
1.6.1 Un ejemplo con visión de futuro: experiencia generativa con un segundo de latencia
Puede que 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 vídeo como Seedance reduzcan la latencia desde la introducción 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, a mi modo de ver, un modelo de generación de vídeo con un segundo de latencia ya no es solo una herramienta: es un sistema operativo de nueva generación.
Cuando llegue ese futuro, ¿cómo debería ser el software? ¿Cómo deberían interactuar los usuarios con productos generativos de un segundo de latencia? Mi juicio es que estos cambios ocurrirán en los próximos seis meses. Prepararse en torno a esta dirección es una gran oportunidad empresarial. Este es solo un ejemplo. Muchos modelos progresan en diversos campos. ¿Cómo serán en 3 o 6 meses? ¿Cómo debería aprovechar la gente común estas capacidades? Esta es la oportunidad central para el emprendimiento en apps de IA.
1.7 Reducir las barreras de entrada, usar el pago para identificar el verdadero valor
A continuación, el segundo juicio: ¿por qué no construimos Chatbots? Porque su techo se ve fácilmente limitado por los prompts del usuario; solo los usuarios con grandes conocimientos extraen todo su valor, lo que convierte a los productos en selectivos. Los futuros intentos de nuevos productos buscan minimizar los costes de entrada del usuario, permitiéndole sentir 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 reside en ser gratis. Nunca se trata de la gratuidad; los subsidios gratuitos son la mayor trampa de la era de la IA.
Mirando atrás al emprendimiento de 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. Completamente erróneo:
Primero, si el rendimiento de la inteligencia es lo bastante bueno, la gente pagará. Por ejemplo, algunos usuarios principales de la plataforma gastan entre 4.000 y 5.000 $ mensuales. Son cantidades altas, pero la disposición indica que han encontrado valor.
Segundo, los subsidios gratuitos atrapan a los equipos en feedback inválido. Por supuesto que hay que escuchar el feedback, pero los usuarios gratuitos exigen "quiero esto, quiero aquello". Estas demandas no carecen de valor, pero pueden distraer a los emprendedores. Analizar demandas irrelevantes y pensar en direcciones equivocadas es, en esencia, perder el tiempo.
Tercero, mantenerse en modelos de pago asegura que el feedback provenga de usuarios que han sentido el valor y han 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 nacionales 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 principal fue optar por la gratuidad. Esto es especialmente notable en las grandes empresas: los abundantes recursos permiten gastar decenas de millones en subsidios desde el primer día, llevándolos por un camino retorcido. Yo no puedo permitirme ser gratis. Si alcanzas 100k de 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 ese lastre de DAU gratuito, lo que deteriora 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. En abril, el primer mes, el ARR superó los 40 millones, acercándose a los 50 millones. ¿Por qué? Porque el producto realmente ofrecía una inteligencia abrumadora. Esa es la clave.
1.8 Por qué persistir con lo generalista: mentalidad del usuario y necesidades long-tail
El tercer juicio es persistir con lo generalista. Al lanzar Manus, afirmamos ser el primer Agente de IA general del mundo. ¿Por qué enfatizar lo generalista?
Al principio, escuchamos muchas opiniones de inversores, como modificar la UI, pero nos negamos a aceptar una sugerencia. Los inversores preguntaban: "¿Qué puede hacer exactamente este producto? Cada vez que entro muestra tareas long-tail raras". Les mostré los resultados de evaluación internos/externos; dijeron: "¿Puedes nombrar un escenario práctico que demuestre valor?". Admití que no podía.
Sugirieron enfocarnos, por ejemplo, en un generador de webs o un generador de Slides. Eso era posible, pero no lo hicimos.
Retrospectivamente, suena calculado, pero en realidad no pensamos tanto en aquel momento. Simplemente, durante esos dos meses y medio desarrollando Manus, me quedé impactado repetidamente por la inteligencia, extremadamente emocionado cada día. 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 atrás, insistir en lo generalista fue un juicio estratégico crítico en el recorrido 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 vídeo se sintió natural. Los usuarios pensaban: "Manus lo hace todo; esto es normal". Mientras tanto, los competidores verticales expandiéndose a tareas generales confundían a los usuarios: "¿No eras una herramienta de webs? ¿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, pudiendo requerir años de grandes ajustes estratégicos/de producto tras sobrevivir. Insistir en lo generalista 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. Nuestro público objetivo son los usuarios no técnicos; hay uso por parte de programadores, pero es menor. Los más satisfechos son los directivos corporativos: CEOs, jefes de equipos pequeños, responsables de departamento. ¿Por qué? Porque los jefes tienen la mayor cantidad de tareas dispersas: hoy piensan en esto, mañana en aquello. 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, los agentes de marketing) eran limitadas; solo Manus lo hacía todo. Así que los grupos de CEOs lo usaron encantados y se convirtieron 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, permitiéndonos sobrevivir entre uno y dos años de iteración tecnológica sin quedar eliminados.
Por supuesto, no todos deberían apostar por el 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 criterio es comprender 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 las capacidades explosivas de los modelos, no solo a los programadores.
Por eso hicimos un trabajo exhaustivo de UX:
Primero, generar confianza mediante procesos de ejecución transparentes.
Segundo, ejecución asíncrona en la nube. Los programadores que usan Cursor hacen clic en confirmaciones tras cada comando y les parece genial. Pero la gente común no se pasa el día mirando una pantalla; puede usar el móvil o estar haciendo otras cosas. Así que dotamos a cada tarea de un sandbox en la nube para ejecutarlas allí. Escenario habitual: sacas el móvil, asignas la tarea, lo guardas en el bolsillo, no necesitas mantener la pantalla encendida y revisas los resultados cuando terminen.
Tercero, hacer que el proceso en sí fuera compartible. Diseñamos las repeticiones de sesión (Session Replays) con un enfoque narrativo. Al principio, muchos no podían usar el producto por falta de códigos de invitación, pero entendían su valor a través de esas repeticiones.
1.9.1 Detrás de los códigos de invitación: financiación y límites de capacidad de inferencia
Por cierto, ¿por qué usamos códigos de invitación de forma tan estricta al inicio?
Razones simples. Como grabar vídeos en el sofá: nosotros lo hicimos, otros lo copiaron; usamos códigos de invitación, otros lo copiaron. Pero conocer los motivos subyacentes hace que las imitaciones resulten cómicas.
Los códigos de invitación existían puramente porque nos quedaban unos 8-9 millones de dólares. Acabábamos de cerrar una ronda, pero seguíamos siendo una empresa pobre. Antes de Manus, muchos fondos de capital riesgo locales no apostaban por nosotros; comparados con competidores de IA más llamativos, nuestro efectivo escaseaba.
Incluso con códigos de invitación, nuestra quema diaria máxima alcanzó los 500.000 dólares. Si hubiéramos abierto el acceso 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 en AWS/GCP suele ser sencillo, con suministro ilimitado (principalmente porque los productos no escalan tanto). ¿Nuestro desafío? Manus fue el primer agente general orientado al consumidor del mundo. Antes, las plataformas en la nube daban servicio a aplicaciones de chatbot o compañía. En pruebas iniciales comparando Manus (agente) con Monica (chatbot, producto de un colega), el consumo de tokens por DAU difería entre 200 y 1000 veces.
¿Qué tan grande es esa cifra? La contratación de rendimiento de llamadas a modelos en la nube usa TPM (Tokens Por Minuto). M = Millón. En Asia-Pacífico, las grandes apps de chat o compañía que necesitaban 10M-20M de TPM eran clientes de primer nivel. Tres días después del lanzamiento, al abrir totalmente el acceso a quienes tenían código de invitación, la demanda alcanzó unos 800M de TPM.
¿Para que se hagan una idea? Llamé a un proveedor de nube (cuyo nombre omito) y dije que necesitábamos 500M de TPM. Acostumbrados a startups que exageran para conseguir descuentos, preguntaron: "¿Es esta la proyección de volumen para el próximo año?".
Dije que no, que necesitaba 500M ahora mismo.
No podían 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, mantuvimos comunicación constante con los proveedores, advirtiéndoles que los agentes iban a explotar e instándoles a preparar capacidad.
Para mayo, cuando terminaron los códigos de invitación, muchas plataformas ofrecían 30-50M de TPM a emprendedores gracias a esos incrementos previos.
Así que cuando compartí esto en mayo/junio, la gente no me creía y nos llamaba fanfarrones: "Nunca nos pasó eso; pedir 10M funciona en cualquier momento".
Pensé: primero, hace dos meses quizá no lo habrías conseguido; segundo, 10M frente a 1000M difieren 100 veces. La gente no se daba 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 que lo resolvieran. Los futuros emprendedores de agentes quizá no enfrenten 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? El pasado junio, VivaTech, la gran cumbre tecnológica europea, nos invitó. Encantados de hablar en la cumbre de un producto convertido en 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 del Elíseo francés): el presidente Macron me invitaba a cenar.
Primera reacción: estafa. Cualquier persona normal pensaría que es una estafa, ¿verdad? Los organizadores confirmaron que esa era la sorpresa. Tras la cumbre, cené con Macron en el Palacio del Elíseo. Mi reciente publicación en Xiaohongshu aprovechando el tirón mediático de Jensen Huang ocurrió precisamente porque Macron se sentó a mi derecha y Huang enfrente. Huang dio un discurso brillante; lo grabé y lo publiqué, volviéndose viral recientemente.
¿Por qué cuento esto? El producto llevaba apenas algo más de tres meses lanzado y ya nos invitaban a eventos de tan alto perfil. Decenas de mesas llenas de fundadores e inversores europeos. Las charlas posteriores a la cena revelaron ideas de startup defectuosas.
El ecosistema emprendedor europeo va muy por detrás del chino, 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 con franqueza, pero internamente pensaba: 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 había vivido fuera brevemente de niño. Precisamente porque las barreras lingüísticas cayeron, pudimos comercializar, atender y pensar de forma global, 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 nacionales nativos de la IA: considerad la expansión global y el servicio a usuarios internacionales desde el día uno. Con las barreras del idioma eliminadas, salir al exterior no es ningún problema. Nuestros sistemas internos y atención 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 duro por el dominio del inglés y las desventajas culturales. Pero en IA, tenemos una gran capacidad para conquistar mercados globales mediante innovación de producto y dimensional. Por eso la visión global es primordial para emprender en IA.
Insisto: Global ≠ solo Occidente. El mundo es vasto; el Sur Global ofrece oportunidades. El mercado con mayores ingresos es EE. UU., pero la mayoría de usuarios residen en Brasil. Oriente Medio, Europa, Japón/Corea, el Sudeste Asiático, África... todos tienen usuarios.
Nunca digas "extranjero" cuando hables de globalización. Internamente corrijo a los miembros del equipo prohibiendo "países extranjeros" porque es vago. "Extranjero" implica una oposición binaria con "nacional", simplificando en exceso la compleja distribución global por regiones, idiomas y culturas. Una verdadera visión global que detecta oportunidades regionales genera nuevas perspectivas.
1.10.2 Usa los productos personalmente, no sustituyas tu criterio con narrativas emocionales
Segundo consejo para la gente de producto: lee 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 de nivel nuclear", mañana "la industria ha muerto". Desde el lanzamiento de Manus, nos han declarado "disruptivos" o "inservibles" innumerables veces, pero el negocio ha crecido 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, ira o confusión, manipulándote. Percibir el desarrollo de la IA de esta manera crea una desconexión masiva con la realidad.
Por ejemplo, 2-3 meses tras el lanzamiento, el TPM alcanzó 800-900M. A nivel mundial, salvo Cursor/Windsurf, etc., pocas startups quemaban más tokens. Sin embargo, mucho self-media seguía enseñando "cómo construir agentes".
El lenguaje es poder y herramienta. Las opiniones escritas parecen tener el mismo peso, pero sus bases difieren. Algunos carecen de contacto con el mercado, investigación de usuarios o validación online; sus opiniones son imaginarias. Consumirlas a diario te arrastra emocionalmente.
El verdadero sentido de producto reside en los detalles. Cuando escuches "OpenAI lanzó X, la industria ha muerto", pruébalo tú mismo: muchos productos de OpenAI dejan bastante que desear. Diez lanzamientos dan un éxito debido a su personal, financiación y base sólida; nueve fracasan. Ver cómo el self-media concluye "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 ha sido deprimente. Recién graduados que afirmaban interés en ser PMs de IA listaban una sola herramienta; al pedirles mostrar chats recientes, no tenían la app en el móvil o tenían 2-3 tareas... claramente habían memorizado para la entrevista.
La IA lleva 3-4 años transformando industrias, y aun así los candidatos a PM de IA no la usan. Demuestra fallos en el cribado de currículums (ahora exigimos pruebas reales de uso), pero en el fondo asusta: la gente no se da cuenta de que el requisito previo para trabajar en IA es usarla profundamente uno mismo. Solo la experiencia directa revela los límites actuales de modelos/productos y las nuevas oportunidades. Consumir contenido digerido nunca transmite la realidad.
Puedes escribir artículos o crear self-media influyendo a otros (miembros del equipo lo hacen; yo ocasionalmente); pero nunca dependas exclusivamente del self-media para nutrirte, o tu percepción 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/definir problemas, describiendo claramente los estados resueltos, es rara. No se adquiere simplemente escuchando charlas de startups. Siendo joven o estando en la universidad, la presión es baja: observa la sociedad, la vida, a tus compañeros o colegas de prácticas, identifica problemas reales esperando solución.
¿Cómo opera este mecanismo social? ¿Dónde puede la IA mejorar la eficiencia? Todo nace 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 tras el lanzamiento de Manus, jóvenes emprendedores preguntan frecuentemente "¿Cómo tuvisteis éxito?". Buscan hojas de respuestas deterministas, creyendo que seguir diez pasos garantiza el éxito. Nunca es así. Emprender es altamente incierto. La mayoría de decisiones se toman sin claridad total, actuando de todos modos y ajustando dinámicamente.
Esto distingue a los emprendedores de los fondos de capital riesgo. Los VC realizan investigaciones largas porque sus decisiones son pesadas e irreversibles; el dinero invertido queda invertido. Buscan alta precisión mediante estudios previos, preguntando sobre escenarios finales y rutas. Los emprendedores no pueden pensar así. Predefinirlo todo o las mejores rutas significa que NO es la mejor ruta.
Los emprendedores viven dinámicamente en el campo de batalla, observando cambios diarios, comprendiendo los movimientos del mundo, el mercado y la tecnología, tomando decisiones diarias dinámicas. Así operan los emprendedores excelentes.
En los últimos 2-3 años, tengo una fuerte sensación: cada vez más, los jóvenes emprendedores temen abrazar lo desconocido, exigiendo respuestas permanentes: ¿Cómo disparo esta arma? ¿Cómo manejo marketing/producto/tecnología/globalización? Anhelan certezas. Cuando no puedes dárselas, sospechan que ocultas secretos; al escuchar "no hay secretos, actúa primero", creen que no quieres compartir.
Por tanto, mantén la curiosidad por el mundo. Lo desconocido es lo más hermoso. Las grandes oportunidades están en lo desconocido, no en las certezas. Si hubiera certeza, habríamos creado navegadores de IA en su lugar.
1.11 Conclusión: Deja que las mentes desarrollen manos
Finalmente, muchos quizá 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 proveedores de modelos grandes construyen Mentes, pero a finales de 2024, ¿por qué mentes tan potentes no lograban ejercer una influencia enorme? Porque tenían cerebro pero no manos. Manus representa las manos de los modelos grandes, permitiendo que los pensamientos del cerebro afecten al mundo real, resolviendo problemas genuinos.
Esto aplica al tema de hoy: todo pensamiento requiere práctica. La esencia de emprender es la práctica, no meras simulaciones en PowerPoint para concursos o decks llamativos para recaudar fondos.
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 las casitas fingiendo ser empresarios. Gracias.





