Título del video: La búsqueda de Anthropic para encontrar el próximo Claude Code. Autor del video: ACCESS Podcast.
Nota del editor: En un contexto en el que las capacidades de los modelos de gran tamaño están experimentando avances espectaculares y las herramientas de programación con IA se están popularizando rápidamente, los debates industriales están pasando de «¿Puede el modelo completar la tarea?» a «¿Cómo pueden organizarse las capacidades del modelo en productos, flujos de trabajo y sistemas empresariales?».
Durante el último año, productos como Claude Code, Codex y Co-work han entrado sucesivamente en los entornos de desarrolladores y trabajadores del conocimiento. La IA ya no es simplemente una caja de chat que responde preguntas, sino que ha comenzado a convertirse en una interfaz de producción que puede invocarse como una herramienta, ejecutar tareas y verificar resultados. Sin embargo, a medida que gana fuerza el consenso de que «el agente se convertirá en la próxima generación de forma de software», surge una pregunta aún más crítica: ¿Quién será el primero en transformar las capacidades de los modelos en sistemas operativos reutilizables, distribuibles y escalables?
Este artículo se compila a partir de una entrevista realizada por el ACCESS Podcast a Mike Krieger. Mike Krieger, cofundador de Instagram y actual Director de Producto en Anthropic, lidera Anthropic Labs, cuyo objetivo es guiar al equipo en la exploración de la próxima oleada de productos innovadores tras Claude Code.
En esta conversación, Mike Krieger no se limita a discutir simplemente cuál será el próximo producto de Anthropic, sino que desglosa la competencia entre productos de IA en un conjunto de cuestiones estructurales más fundamentales: cómo las capacidades de los modelos ingresan a flujos de trabajo reales; cómo las empresas de IA organizan internamente su innovación; cómo las empresas de plataforma gestionan los límites con sus clientes del ecosistema; y, a medida que las capacidades ejecutivas de la IA se vuelven más potentes, dónde se redefinirá el juicio humano dentro de la cadena productiva.
Primero, la forma del producto pasa de «chat» a «tarea». En el pasado, los grandes modelos existían principalmente en forma de cuadros de diálogo, donde el usuario ingresaba un prompt y el modelo generaba una respuesta. Ahora, productos como Claude Code, Co-work y Claude Design representan una lógica distinta: permiten que la IA avance de manera continua en torno a un objetivo, invocando herramientas, generando resultados y verificándolos. Esto significa que la clave de los productos de IA ya no radica únicamente en la calidad de las respuestas, sino en la capacidad de descomponer tareas, mantener la continuidad del contexto, invocar herramientas y verificar resultados. Quien logre encapsular estas capacidades en un flujo de trabajo fluido estará más cerca de la próxima puerta de entrada a la productividad.
Segundo, el enfoque organizativo ha pasado de «Planificación por equipos grandes» a «Experimentación con equipos pequeños». El estilo operativo de Anthropic Labs se asemeja más a una unidad emprendedora integrada dentro de una gran empresa: comienza con dos o tres personas, celebra revisiones quincenales y utiliza retroalimentación de alta frecuencia para decidir si el proyecto debe continuar. En el pasado, los laboratorios de innovación de grandes empresas solían caer en ciclos prolongados, responsabilidades poco claras y proyectos considerados «suficientemente buenos» que se postergaban indefinidamente. Ahora, el modelo ha reducido los costos de construcción, y lo verdaderamente escaso son el juicio, el criterio y la velocidad de decisión. Esto implica que la eficiencia organizativa en la era de la IA depende no solo del número de ingenieros, sino de si un equipo más pequeño puede validar con mayor rapidez la dirección correcta.
Tercero, los límites entre plataformas y aplicaciones se están redefiniendo. El éxito de Claude Code ha transformado a Anthropic de simple proveedor de modelos en un actor activo que también moldea las formas de aplicación. La controversia entre Claude Design y Figma demuestra que cuando una empresa de modelos incursiona en el ámbito de las aplicaciones, inevitablemente invade los intereses de sus clientes y socios del ecosistema. En el pasado, las empresas de modelos básicos proporcionaban principalmente capacidades subyacentes, mientras que aplicaciones verticales como Cursor y Figma se encargaban de las interfaces de usuario y la encapsulación de escenarios. Ahora, las empresas de modelos también deben mostrar, mediante sus propios productos, una forma futura centrada en agentes. Esto significa que la competencia entre plataformas de IA no se limita a la competencia entre APIs, sino que también abarca la competencia entre paradigmas de producto.
Cuarto, cuanto más potente se vuelve la IA, más escaso resulta el juicio humano. Mike ha subrayado repetidamente que Claude puede codificar más rápido, generar prototipos y ejecutar tareas con mayor celeridad, pero no puede sustituir la parte más difícil del proceso de 0 a 1: plantear las preguntas adecuadas, comprender a los usuarios reales, definir la «estrella polar» del producto y determinar qué es «correcto». En el pasado, la capacidad de ejecución era el principal cuello de botella del trabajo intelectual. Ahora, los modelos están acelerando dicha ejecución, y el valor humano se centra cada vez más en el juicio inicial, la creatividad, las redes de relaciones y las capacidades organizativas. La IA no eliminará automáticamente las decisiones difíciles, sino que magnificará con mayor rapidez el impacto de las direcciones erróneas.
Si esta discusión pudiera condensarse en un único juicio, sería este: tras Claude Code, Anthropic no busca un único producto estrella, sino un conjunto de métodos capaces de transformar la IA desde una mera capacidad de modelo a un sistema productivo. En este sentido, el tema de este artículo ya no es únicamente la hoja de ruta de próximos productos de Anthropic, sino un punto de inflexión estructural para toda la industria de la IA, que transita de una «competencia entre modelos» a una «competencia entre sistemas».
[律动]
La Revolución de los Sistemas de Producción de IA: Implicaciones para los Inversores en Criptomonedas
Mientras Anthropic transición de Claude Code a un ecosistema más amplio de sistemas de IA de producción, toda la industria está presenciando un cambio fundamental de capacidades de modelos aislados a flujos de trabajo de IA integrados. Para los inversores en criptomonedas, esta evolución representa tanto oportunidades sin precedentes como desafíos estratégicos significativos que podrían remodelar el panorama competitivo durante años.
El Cambio de Paradigma: De Chat a Sistemas de Producción
El artículo identifica correctamente que la propuesta de valor de la IA se ha transformado fundamentalmente. Ya no evaluamos simplemente los modelos según su capacidad para generar texto o código, sino según su capacidad para ejecutar flujos de trabajo complejos y multi-paso de forma autónoma. Este cambio de la IA conversacional a los sistemas de producción crea paralelos directos con la propia evolución de la blockchain desde transacciones simples hasta protocolos DeFi complejos y DAOs.
Para los inversores en criptomonedas, la implicación más inmediata es la creciente importancia de la infraestructura que permite a los agentes de IA interactuar de forma segura con las redes blockchain. Los proyectos que proporcionan abstracción de carteras, entornos de ejecución seguros e integración de IA con contratos inteligentes están posicionados para capturar valor significativo a medida que estos sistemas de producción maduren.
Plataforma vs. Aplicación: El Nuevo Campo de Batalla
La expansión de Anthropic al territorio de aplicaciones (ejemplificada por la competencia de Claude Design con Figma) refleja dinámicas que hemos visto a lo largo de la evolución de Web3. En criptomonedas, presenciamos cómo los proveedores de infraestructura (como Ethereum) y los protocolos de capa de aplicación (como Uniswap) desarrollaron relaciones complejas, a veces controvertidas. La misma dinámica está surgiendo en la IA.
Para los inversores en criptomonedas, esto crea tanto oportunidades como riesgos:
-
Oportunidad: Los proyectos que puedan posicionarse como híbridos especializados de IA-blockchain, centrados en aplicaciones verticales donde las propiedades de la blockchain (descentralización, falta de confianza, ejecución verificable) proporcionen ventajas únicas, podrían prosperar.
-
Riesgo: A medida que los gigantes de IA centralizados desarrollen sus propios sistemas de producción, podrían aprovechar su dominio para marginar a los actores más pequeños, similar a cómo las plataformas Web2 han tratado históricamente a los desarrolladores de terceros.
La Escasez del Juicio Humano en un Mundo Automatizado
Quizás la observación más profunda del artículo es que a medida que la IA maneja tareas de ejecución, el juicio humano se vuelve cada vez más valioso. Esto informa directamente las tesis de inversión en gobernanza cripto y estructuras DAO:
-
Tokens de Gobernanza: A medida que los sistemas de IA automatizan la ejecución, aumentará el valor de los mecanismos de gobernanza que pueden establecer parámetros, definir objetivos y supervisar el comportamiento de la IA. Los proyectos con sistemas de gobernanza robustos podrían ver retornos desproporcionados.
-
Sistemas de Reputación: En un mundo donde los agentes de IA gestionan operaciones financieras, los sistemas para verificar la fiabilidad y confiabilidad de estos agentes se vuelven críticos. Los protocolos cripto basados en reputación podrían capturar valor significativo.
-
Sistemas Híbridos Humano-IA: Las plataformas más exitosas podrían ser aquellas que combinen eficazmente las capacidades de ejecución de la IA con supervisión humana—precisamente el modelo que está emergiendo en las organizaciones autónomas descentralizadas (DAOs).
Innovación Organizacional y Ventaja Competitiva de las Criptomonedas
La adopción de experimentación por parte de equipos pequeños por parte de Anthropic refleja las ventajas organizativas tradicionalmente asociadas con los proyectos nativos de criptomonedas. Para los inversores en criptomonedas, esto refuerza la tesis de valor para:
-
Protocolos Modulares: Proyectos que permiten la composabilidad y permiten a equipos más pequeños construir componentes especializados sobre una infraestructura compartida.
-
Mecanismos de Financiación: Modelos de financiación nativos de cripto como estudios de capital de riesgo, tesoros de DAO e incentivos tokenizados pueden demostrarse más adaptables que las estructuras corporativas tradicionales en este panorama en rápida evolución.
Oportunidades de Inversión en la Época de los Sistemas de Producción de IA
Basados en estas tendencias, los inversores en criptomonedas deberían priorizar:
-
Infraestructura de Agentes de IA: Los proyectos que proporcionan entornos de ejecución seguros, gestión de carteras e interfaces IA-blockchain se beneficiarán del cambio hacia sistemas de IA de producción.
-
Oráculos de Verificación: A medida que los sistemas de IA toman decisiones más autónomas, se vuelve crítica la necesidad de una verificación fiable de sus salidas. Las soluciones de oráculos con capacidades de verificación de IA especializadas podrían ver una demanda significativa.
-
Mercados de IA Tokenizados: Las plataformas que permiten la tokenización de modelos y flujos de trabajo de IA, permitiendo un acceso sin permisos y composabilidad, podrían convertirse en infraestructura esencial en la economía de IA.
-
Protocolos de Integración IA-DeFi: Los proyectos que conectan la toma de decisiones de IA con la ejecución DeFi pueden capturar valor tanto de la revolución de productividad de IA como del continuo crecimiento de las finanzas descentralizadas.
Consideraciones Estratégicas para Navegar la Transición
A medida que la industria se desplaza de la competencia de modelos a la competencia de sistemas, los inversores en criptomonedas deberían:
-
Enfocarse en Fortalezas Complementarias: En lugar de competir directamente con sistemas de IA centralizados, priorizar tecnologías que proporcionen ventajas únicas como identidad descentralizada, procedencia de datos y ejecución verificable.
-
Monitorear Puntos de Tensión: La fricción entre plataformas de IA y desarrolladores de aplicaciones crea oportunidades para soluciones middleware que faciliten la interoperabilidad y la distribución justa del valor.
-
Enfatizar Mecanismos de Confianza: A medida que los sistemas de IA se vuelven más potentes, la capacidad de verificar su comportamiento y asegurar su alineación con los valores humanos se vuelve cada vez más valiosa—precisamente donde las tecnologías blockchain pueden proporcionar beneficios únicos.
La revolución de los sistemas de producción de IA no es solo una evolución tecnológica sino una reorganización fundamental de cómo se crea y distribuye el valor. Para los inversores en criptomonedas, esto representa tanto un desafío para las tesis existentes como una oportunidad para configurar la próxima generación de infraestructura IA-blockchain. Los proyectos más exitosos serán aquellos que reconozcan este cambio y se posicionen no solo como componentes de un sistema más grande, sino como habilitadores esenciales de los propios sistemas de producción.