Pensamiento Efectivo en la Era de Herramientas Aumentadas

De lo que voy a hablar hoy es realmente sobre el pensamiento efectivo en la era de las herramientas aumentadas. Mi formación es que cuando fui a la universidad, estudié un programa de artes liberales. Era un programa avanzado de la Universidad de Texas. Es nuestra gran universidad estatal. Y estudié una especie de programa interdisciplinario. Solo tomé una clase de ciencias de la computación en la universidad, pero era un programa realmente fuerte en física, matemáticas, ciencia, ya sabes, todo el espectro. Y creo que eso termina conduciendo a parte de lo que es interesante ahora sobre esta conversación.

Me especialicé y me involucré mucho en el desarrollo de interfaces de usuario y la interacción humano-computadora. Realmente me gustó el ciclo de retroalimentación que obtienes cuando te conectas directamente con los usuarios de manera táctil. Así que interfaces móviles, interfaces web, cosas por el estilo. Y luego llegué a Vercel hace unos seis años para continuar un proyecto que comencé en Google hace 17 años en algo llamado App Engine, si alguno de ustedes lo recuerda. Pero la idea era muy similar. Construyes una aplicación en tu máquina, escribes un comando, sucede la magia, y estás sirviendo en la internet pública. Eso era simplemente demasiado difícil de hacer por la mayor parte de mi vida hasta ese momento. Y todavía es difícil hacerlo por tu cuenta. Vercel hace eso fácil. Así que eso es lo que queremos hacer. Y realmente aquí, ya sabes, la IA ha desatado una especie de cambio en la ingeniería de software.

Hay esta mezcla de absoluta emoción y un poco de terror, creo, en la mente de todos sobre ello. Pero algo fundamental todavía yace debajo de esto, y es el valor de ahorrar tiempo. Ese es realmente nuestro trabajo en nombre de nuestros usuarios y clientes, etc. Al principio, como ahorrar tiempo es lo que me llevó a ser programador. ¿Cuántos de ustedes han leído el GNU Manifesto por casualidad? Bien, bueno. Todos tienen algo que podrían hacer que creo que será enriquecedor para ustedes. El GNU Manifesto es el documento fundamental para el software de código abierto y libre, sobre el cual, ya sabes, la generación de herramientas que todos ustedes usan, todos desarrollamos, se construyó. Y realmente, la premisa del GNU Manifesto era que como ingeniero de software, deberías estar ahorrando tiempo, construyendo sobre los hombros de gigantes, tomando software que ha sido construido, aprendiendo cómo funcionaba, lo cual solo puedes hacer con el código fuente, y luego adaptando.

Así que, pero esto fue algo controvertido en el momento en que Richard Stallman lo escribió. UNIX estaba dominado por AT&T. No se te permitía compartir software. Y así, esto realmente cambió las cosas. Y te animo a leerlo desde ese punto de vista. Así que una especie de documento sobre el pragmatismo y el valor del trabajo que hacemos.

Así que como líderes de ingeniería, nuestra responsabilidad es realmente identificar y eliminar las tareas repetitivas de alta carga cognitiva, baja recompensa, ¿verdad? Y así que esto no es realmente una charla de habilidades blandas. Quiero introducir un marco aquí para cómo los líderes tecnológicos pueden guiar mejor a sus equipos cuando la IA está haciendo el trabajo pesado.

Este año, tuve el privilegio de regresar a mi universidad y reunirme con mi profesor de matemáticas Michael Starbird. Y después de 40 años de enseñar matemáticas profundamente a estudiantes, tanto en niveles de pregrado como de posgrado se reunió con uno de sus colegas favoritos. Y realmente hablaron sobre cómo lo que estaban enseñando a los estudiantes no era matemáticas. Les estaban enseñando cómo pensar y aprender de manera efectiva. Y al comenzar a hablar con él, me di cuenta de que esta es realmente la premisa de lo que todos vamos a estar haciendo con eso y deberíamos estar haciendo ahora mismo.

Quiero decir, una vez que los servicios de IA salieron, todos estábamos, yo estaba profundamente en mi carrera y esto fue un cambio total. Tuve que aprenderlo desde cero de la misma manera que todos los demás. Y creo que tanto para los nuevos graduados como para aquellos de nosotros más avanzados en nuestra carrera, esta es una oportunidad realmente emocionante. Estamos un poco en igualdad de condiciones en algunos aspectos. Pero quiero hablar sobre cómo puedes aprovechar lo que ya sabes también.

Así que en la mitología griega, probablemente estés familiarizado con los cuatro elementos. Representan tanto los bloques de construcción físicos del universo como los aspectos fundamentales de la experiencia humana. Y así, lo que Dr. Starbird reunió fue la idea de que estos cuatro elementos realmente pueden ayudarte a evaluar si estás aprendiendo de manera efectiva. Y eso es muy diferente a simplemente pensar críticamente. Pensar efectivamente significa construir constantemente. Y así, ya sabes, la Tierra aquí representa entender profundamente. El Fuego es fallar para tener éxito, obteniendo ideas a través de errores. El Aire se trata de hacer preguntas y el Agua se trata de entender dónde estás hoy, de dónde vinieron las cosas y hacia dónde van.

Y así, este marco también introduce un quinto elemento, que eres tú, el quintesencial. Aquí es donde todo se une. Se trata de ti, ya sabes, reconociendo los personajes. ¿Reconocieron todos los personajes de Avatar, La Leyenda de Aang por casualidad? OK, si estás familiarizado con ello. Sabes, Avatar, al final, se transforma a sí mismo para resolver el problema. Está luchando contra este tipo malvado, el Señor del Fuego Ozai. Y en toda la segunda mitad de esta serie, lamenta el hecho, ya sabes, es un líder al estilo Zen. Lamenta el hecho de que va a tener que matar al Señor del Fuego Ozai porque a pesar de todos los esfuerzos que intenta hacer, el Señor del Fuego Ozai es simplemente malo.

Él solo quiere causar daño y destrucción. Así que él piensa, tengo que matarlo. Pero luego Aang tiene esta aventura psicodélica con una tortuga donde aprende que el verdadero poder viene al dar y quitar el poder de control que es una especie de magia que ellos tienen. Y así, al final, le quita al Señor del Fuego Ozai su poder de control en lugar de matarlo, dejándolo impotente. Y sabes, eso fue esto, logró lo que necesitaba sin matar a nadie. Y así, en la era de la IA, los ingenieros que prosperen no serán los que solo aprendan las herramientas y nuevos poderes mágicos como el control del fuego. Serán aquellos que reimaginen fundamentalmente sus roles, ya sabes, sus identidades y su relación con este oficio.

Así que vamos a hablar sobre los elementos aquí con un poco más de detalle y cómo pensar sobre ellos, porque estas son las herramientas que vas a usar para evaluar si estás aprendiendo efectivamente. Y esto es súper importante, creo. Sabes, probablemente estés familiarizado con la cita de Karpathy de que el lenguaje de programación más importante en este momento es el inglés. Y eso es porque los LLMs fueron entrenados con una gran cantidad de herramientas, código y documentos en inglés. Y así, mientras te comunicas y aprendes a hablar con la IA, por así decirlo, lo importante es que sepas cómo comunicarte efectivamente con ella. Probablemente hayas experimentado esto. Si eres más claro, obtienes mejores resultados. Correcto. Y así, cómo desarrollarías esa habilidad es, de hecho, aprendiendo a comunicarte puramente basado en el lenguaje.

Y así, la educación en artes liberales que fue un poco desplazada durante mi carrera por la pura ciencia de la computación está volviendo. Y así, dependiendo de lo que hiciste en la escuela o no, esta es una buena oportunidad para reconectar con las raíces de lo que fue la educación desde siempre. Así que la retórica aquí es como definir el qué. Esto se traduce fácilmente en algo como tipos y esquemas. Realmente tienes que entender cómo funcionan. Correcto. Y luego la taxonomía sobre cómo organizas el conocimiento. Estas son estructuras de datos. La verdad es realmente los límites del sistema. Sabes, la física se basa básicamente en una serie de constantes. Conocerlas y aplicarlas es relevante para lo que es big O y latencia en programación. Y luego ética, seguridad, confianza. Todos estos son fundamentalmente parte de lo que está incorporado en las artes liberales. El fuego aquí se trata de la velocidad de iteración, tener la capacidad de moverse realmente rápido.

Sabes, las startups a menudo dicen que su superpoder es poder moverse rápidamente. Y así, si piensas en el fuego, ¿puedes moverte lo suficientemente rápido como para poner tus ideas frente a las personas rápidamente y hacer cambios rápidamente? Y el aire aquí se trata de preguntas. Así que esto viene de, ya sabes, sacar preguntas de la nada. Y la idea es que el progreso aquí no viene de responder preguntas. Viene de formular preguntas. Y las respuestas solo llevan a más preguntas. Así que a medida que aprendes cómo funcionan estas herramientas, pregúntate, pregúntales a las herramientas, ¿cómo funcionas? Es increíble lo que te dirán en términos de lo que puedes aprender para interactuar con ellas mejor. Sabes, haz las preguntas. Asegúrate de estar construyendo sobre ese conocimiento.

Sabes, Vercel, hablamos mucho sobre esta idea de despliegue instantáneo donde, ya sabes, haces un commit a un repositorio de Git y luego hay este paso de construcción. Correcto. Y luego eventualmente puedes ir a visitar tu proyecto en la Web, lo cual es muy poderoso. Pero, ¿y si no hubiera paso de construcción? Esto es realmente algo que he llegado a esperar. Correcto. Oh, compilación. Sabes, la famosa cosa de XKCD donde las espadas están peleando y dicen, oh, compilando, sabes, tenías tiempo para ir a perder el tiempo. Pero, ¿y si en su lugar tuvieras tiempo para, ya sabes, obtener inmediatamente tus resultados en la Web? Estamos trabajando en esto. Va a suceder. Y estoy realmente emocionado por ello. Así que desafía todo y a todos. La salida técnica de tus agentes realmente está limitada por la claridad de tu lógica. Así que trabaja en refinar esa lógica, no solo, ya sabes, los resultados deseados. La pregunta correcta lo cambia todo aquí. Y si miras este ejemplo, esto es una especie de broma de la literatura clásica.

Pero el hombre uno dice, ya sabes, nunca superaremos al oso. Y el hombre dos dice, no tengo que hacerlo. Mi única pregunta es, ¿puedo superarte a ti? Y así, al aclarar lo que es posible versus imposible, realmente puedes hacer cambios aquí. En ingeniería, esto realmente significa, ¿puedo, ya sabes, no puedo hacer que la IA construya esta característica? Pero, ¿cómo podría hacer que la IA me ayude a construir esta característica? Es ciertamente posible. El elemento del agua se trata de la adaptación continua. Así que adivinar qué sigue y luego pensar de dónde vino y realmente evaluar las herramientas.

Y así, todas estas nuevas ideas que tenemos, son solo pequeñas modificaciones de cosas que ya se han hecho. Vamos a hablar sobre un ejemplo de esto con loop engineering. Pero realmente la lección aquí es extenderte, ya sabes, y extender tus ideas en lugar de pensar que las estás completando. Y luego llegas a esta idea de que bajo construcción se supone, ya sabes, estás tratando de terminarlo. Pero si aceptas que esto realmente es la norma, ya sabes, la buena noticia es que siempre estarás ocupado. Siempre estás construyendo. Y esto es cierto en tu vida y esto es cierto en tus proyectos. No todos van a unirse. Tienes que seguir adelante y pensar, ya sabes, a medida que la tecnología cambia, ¿qué harás con ella? ¿Cómo la incorporarás?

¿Qué puedes hacer que no podías hacer ayer? Y luego el quinto elemento aquí es sobre, ya sabes, comprometerse con el cambio. Realmente quieres ir más allá de la idea de que es solo, ya sabes, tu rol como un ingeniero es tu rol un PM. ¿Eres un diseñador? Sabes, solían ser roles bastante concretos y discretos. Y creo que hemos visto mucho de este cambio. Tenemos la idea del devsumer ahora, que es el desarrollador consumidor para muchas de nuestras herramientas. Y así estamos trayendo de vuelta mucha de la alegría de las herramientas de consumo a las herramientas de desarrollador. Y creo que todos ustedes aprecian eso. Yo ciertamente lo hago. Y así, transformar tu identidad y cómo piensas sobre cuál es tu trabajo es, tu trabajo es resolver problemas, no ingeniería.

Y en el sentido clásico, esto es construcción fundamental en software. Esto se trata de aplicar al código. Pero lo que es tu trabajo es resolver problemas y ahorrar tiempo a las personas. ¿Cómo puedes hacer eso de manera más efectiva? Probablemente hayas visto la tendencia donde los títulos de trabajo, al menos en Silicon Valley, están como cambiando. Las empresas están simplemente volviendo a la idea de miembro del personal técnico. Y hay personas que encuentran esto incómodo porque han llegado a ser desarrolladores de software de personal y realmente quieren luego convertirse en desarrolladores de software principales. Y creo que el movimiento hacia miembro del personal técnico es una especie de endémico de esto no significa nada más. Es una organización plana en muchos sentidos. Tu trabajo es resolver problemas, usar las herramientas, todas ellas a tu disposición.

Así que eso significa que tienes que aprenderlos todos, lo cual puede ser un poco abrumador. Y así que no sé si estás familiarizado, pero la semana pasada, Peter Steinberger, el creador de OpenClaw, y Boris Cherny, quien desarrolló Clawed, Coded y Thropic, comenzaron a hablar sobre esta idea de loop engineering. Y entonces, ya sabes, Peter está diciendo, como, oye, ha pasado un mes, ya sabes, hemos estado hablando de esto. ¿Estás prestando atención? Así que es un poco estresante, ¿verdad? Hay este nuevo paradigma. ¿Qué significa? Y entonces pensé que sería divertido aplicar el marco de mi profesor a esta idea porque creo que es muy parecido a cómo pienso sobre la programación. Y sospecho que tú también. Entonces, ¿qué es, verdad? La programación de agentes es como si hubiera esta versión donde comienzas a solicitar de manera sincrónica, ya sabes, esperando y observando la salida. Solíamos ver las diferencias en tiempo real. Eso era bastante emocionante, pero no creo que nadie esté haciendo eso más.

Ya sabes, luego la gente comenzó a ir a herramientas como Conductor o get work trees para ejecutar múltiples sesiones simultáneamente. Pero luego, ya sabes, esta especie de idea de cerebro galáctico es que no necesitas exactamente hacerlo de esa manera. Lo que haces es comenzar loops, comienzas loops autónomos, autorreferenciales para resolver el problema que estás tratando de resolver, lo que significa que realmente tienes que definir el problema. Tienes que volver a lo que sabes. Tienes que averiguar cómo aprovecharlo. Entonces, ya sabes, si piensas en cómo pondrías esto en nuestro marco, comienzas midiendo, ¿verdad? Tienes que tener las medidas para que un loop autónomo sepa si está progresando. ¿Está yendo, ya sabes, qué significa completar el loop de agente? Bueno, tienes que comenzar teniendo datos.

Y creo que a muchos de nosotros nos gusta comenzar con vibraciones. Es un viaje realmente divertido y creativo. Pero cada vez más, para aprovechar la IA, realmente necesitas comenzar con, bueno, ¿qué problema estás tratando de resolver? Y estoy seguro de que todos ustedes se han sentido frustrados con ustedes mismos o con sus colegas a veces están como, eso es realmente genial. Pero, ya sabes, ¿a quién ayuda esto? ¿Tienes los datos de fondo? Y solíamos decir, oh, ese es el trabajo del PM. Ese no es el trabajo del PM. Ese es nuestro trabajo. Y esa es la gran responsabilidad que tenemos como tecnólogos, creo. Y entonces el cambio. Tienes que averiguar cómo hacer los tipos correctos de cambios. Convenientemente, creo que el código es un formato muy cambiable y los LLMs son muy buenos leyéndolo. Así que esto es agradable. Y luego la verificación. Creo que hemos visto mucho cambio en la industria sobre lo mucho más fácil que es verificar cambios. Se está volviendo más barato.

Se está volviendo más automatizable. Y, ya sabes, quiero decir, piensas en todos los patrocinadores aquí hoy, la idea de revisión de código impulsada por IA, es tan fundamentalmente buena. Y esto te ayuda a verificar que no estás, ups, enviando tokens a producción o, ups, ya sabes, olvidando una declaración de retorno. Literalmente, el peor incidente en el que he estado fue, ya sabes, una línea de código, un bloque de código que comenzaba con, ya sabes, if is dry run, haz esto. Y luego está la parte de haz esto debajo. Y faltaba la declaración de retorno. Ups, datos eliminados. Sabes, es el peor tipo de incidente. Y luego repites esto. Así que esto es lo que significa un loop de agente. Y esto se traduce bastante bien en el marco de trabajo del que acabamos de hablar. Correcto. Earth es sobre medición. Grounding. Fire es sobre hacer el cambio. Air es sobre verificación y preguntas. Sabes, ¿cuáles son las preguntas? ¿Qué es el éxito? Y luego water es mirar alrededor, mirar hacia adelante, mirar hacia atrás y repetir si es necesario o abandonar el barco. Y este loop solo funciona si estás dispuesto a estar equivocado.

Así que, OK, ¿cuántos de ustedes aman estar equivocados? OK, todos deberían levantar las manos ahora mismo, quieren estar equivocados. Están bien. Así es como van a aprender. Sabes, siéntete cómodo con ello. Es profundamente incómodo. Y, ya sabes, creo que tienes que aceptarlo. Y esa es la oportunidad de crecimiento aquí. Así que voy a darte un ejemplo de un loop de agente y una herramienta en la que he trabajado un poco al margen llamada Dev 3000. Y la idea es que me frustré al construir. Comencé construyendo una aplicación que es un service worker. ¿Alguna vez han estado en el infierno de los service workers antes? Es difícil y puedes terminar en estados muy rotos. Y así que lo había dejado por un tiempo y pensé, oh, Dios mío, este es el punto de inflexión para los service workers y las aplicaciones web.

La IA va a ser excelente en esto. Y luego, ya sabes, estoy empezando a hacerlo. Y Codd me está pidiendo que pegue desde la pestaña de red los resultados que estoy viendo para que pueda, a su vez, ya sabes, averiguar qué está pasando. ¿Cómo pegas desde la pestaña de red? No puedes exactamente. No es pegable, pero es serializable. Y así, el protocolo de depuración de Chrome es la herramienta que hace, ya sabes, como la pieza subyacente para Playwright y, ya sabes, todas las herramientas para automatizar navegadores.

Y entonces pensé, OK, si puedo construir una herramienta que inicie el servidor de desarrollo, inicie un navegador conectado a CDB y luego entrelace todos los registros con marcas de tiempo entre un agente que tenga acceso a eso. Va a ser mucho más efectivo e incluso mejor que eso a través de CDP. Puede controlar el navegador. Así que ahora tienes este sistema al que puedes simplemente hablarle y manejarlo de manera autónoma. Y entonces pensé, OK, quiero mejorar, ya sabes, el cambio de diseño acumulativo para cada proyecto en Internet. ¿Es esto posible? Creo que va a ser posible. Esto es automatizable. Así que este es el ejemplo del prompt en el que comencé a trabajar para hacerlo. Y funciona. Es emocionante.

Ya sabes, así que comienzas con, OK, vamos a mejorar CLS para la página objetivo. Vamos a establecer una línea base. Vamos a establecer una medición. Correcto. Y vamos a darle al agente la autoridad para trabajar de manera autónoma. Resulta que realmente tienes que decirle que estás cómodo. Trabaja de manera autónoma. Sigue adelante. Y así medir, cambiar, verificar, repetir. Correcto. Esa fue la diapositiva antes de esta. Así es como construyes el loop de agente. Así que preserva el comportamiento, evita reescrituras. Ahora estás midiendo, ya sabes, usa el agente.

¿Estás familiarizado con agent browser? Es una especie de forma actualizada de Playwright. Pero es una manera realmente fácil para que los agentes usen la línea de comandos para manejar un navegador. Y resulta que los agentes son realmente buenos en interfaces de línea de comandos porque son programáticamente verificables. Pueden ejecutarlas muy rápidamente. En general, son rápidos. Y así, ya sabes, lo estamos promocionando aquí. Usa el agent browser y el protocolo de depuración de Chrome. Recarga la página consistentemente y recopila los datos de CLS, que provienen de CDB, de las entradas de cambio de diseño.

Ahora ejecútalo tres veces. Obtén una línea base mediana. Tienes que ser bastante preciso aquí. Sabes, no quieres que esto se ejecute infinitamente. Y así tienes que establecer límites, ¿verdad? Y así ahora captura los elementos, el viewport, la ruta y las capturas de pantalla y todos los frameworks que usas para construir aplicaciones web hoy en día en realidad exportan un manifiesto que los agentes pueden usar para obtener esta información. Así que es conveniente. Van y leen el manifiesto. Pueden averiguar en qué página están. Pueden mapear eso de vuelta al código y al que tiene acceso usando, ya sabes, source maps u otras cosas similares.

Así que es como si todo estuviera encajando. Y ahora, ya sabes, cambia. Inspecciona el código desde alrededor de la fuente medida. Descubre todo esto ahora. Haz el cambio más pequeño posible que probablemente reduzca el cambio de diseño acumulativo. Y aquí, como el agente puede ir y modificar pequeños fragmentos de código. Tal vez esté haciendo una importación de módulo async. Tal vez esté encontrando, ya sabes, un anuncio, un tipo de anuncio que pueda hacer nuevamente async para que puedas ahorrar espacio en la página, pero luego cargar el anuncio después de que el resto de la página se haya cargado. Este es el tipo de diseño de lo que creo que la publicidad se convertirá o, ya sabes, holísticamente, pero haz el cambio más pequeño posible.

Y ahora verifica y repite. Vas a volver, volver a ejecutar el agent browser y las mediciones del protocolo de depuración de Chrome, comparando antes y después y aquí es donde se pone realmente interesante, ¿verdad? No solo puede, ¿qué significa comparar? Puedes describirlo. Vas a hacer las cosas que estás acostumbrado a hacer tú mismo. Como cuando empiezas a hacer un commit, tienes un pre commit. ¿Qué hace? Bueno, va a ejecutar un lint. Va a ejecutar el compilador de TypeScript. Va a ejecutar las pruebas, idealmente alguna versión de ellas. Y aún mejor ahora, es tan fácil para el agente ejecutar un diff de píxeles y realmente verificar que no arruinó la página, sabes, y puedes establecer un umbral en el diff de píxeles, por ejemplo.

Esto es algo que he hecho manualmente durante 15 años de mi vida, pero ahora me veo obligado a escribirlo y realmente intentar describirlo como lo describiría a, ya sabes, un colega o a, ya sabes, un nuevo estudiante que viene a trabajar conmigo. Y ahora realmente estoy haciendo eso para el agente. Y es extremadamente poderoso. Así que aquí, lo que es realmente crítico sobre esto es que sigas haciéndolo. ¿Estás familiarizado con la ley de Hebb? Esto es que las neuronas que disparan juntas, se conectan juntas. Cuanto más pases por este proceso y te preguntes, ya sabes, ¿realmente aprendí los pasos antes? Y estoy en esto de vuelta incluso a mi tiempo en la escuela. Sabes, piensas que estás llegando al final y te gradúas. Pero de hecho, lo que es importante no es, ya sabes, si obtuviste un ochenta y cinco en el examen antes y piensas que tienes un buen entendimiento y sigues adelante, ¿verdad?

Eso no es suficiente. Realmente tienes que volver y asegurarte de que tienes un entendimiento completo y profundo y luego puedes avanzar porque vas a construir sobre la base y vas a usar la tierra debajo de ti para realmente asegurarte de que entiendes cómo funcionan estas herramientas. Así que si no has construido un arnés de agente, inténtalo. Es realmente un buen esfuerzo. Pero lo que te enseñará es cómo usar los arneses de agente más efectivamente porque no son magia. No son ciencia espacial. No están limitados al mundo de solo ingenieros de computadoras de alta tecnología. Todo está construido sobre lógica muy sistemática, cosas que has hecho, cosas que ciertamente has hecho tú mismo. Y es solo una pequeña verificación. Alguien eligió sistematizarlo y puedes hacer esto para enfrentar esta fricción. Vale la pena en tu carrera y vale la pena para tu vida. Como líderes de ingeniería, quieres optimizar para la profundidad del pensamiento y la ejecución en tus equipos. No son operadores de entrada de datos. Son ilimitados. Son infinitos y contienen multitudes, ¿verdad?

Aprecio que hayas venido. Y espero que hayas disfrutado esto. Puedes encontrar el libro del Dr. Starboard, Effective Thinking in Five Elements y continuar.

Así que tengo algunas preguntas aquí que voy a voy a poner frente a ti. Y si aún no lo has hecho y tienes preguntas, ponlas en Slido.

Así que la primera, tenemos preguntas como estar siempre ocupado no suena como un objetivo que quiero que mi equipo tenga porque suena como la receta para el agotamiento en seis o 12 meses. ¿Cómo piensas sobre la ocupación versus la sostenibilidad? Sí, quiero decir, esto es algo con lo que creo que todos luchamos en nuestras vidas personales y nuestras vidas laborales.

Y esta idea de que hay un equilibrio entre la vida laboral y personal, tienes versiones distintas y concretas de esto en tu vida. Creo que esto se remonta a, ya sabes, hay partes de la industria donde esto funciona como cuando solía ser cocinero. Y la gran alegría de ser cocinero era, ya sabes, estás en el trabajo y cuando terminas, estás fuera. Pero creo que en trabajos de tecnología creativa, esto no es realmente apropiado. Veo el aprendizaje y la oportunidad cuando digo estar ocupado. Significa que hay cosas por hacer. Tienes preguntas. No dejas de cuestionar. Si dejas de cuestionar, ya sabes, eso no significa que no te diviertas. Pero incluso entonces, ya sabes, estás tratando de conocer gente. Estás tratando de involucrar tu cerebro creativo. Y así que realmente no creo que haya una buena distinción entre el trabajo y la vida en este espacio.

Llego a casa y a veces tengo ideas. Quiero verlas realizadas. Me pregunto cosas como, ¿a dónde voy a ir? ¿A dónde voy a llevar a mi hija en Utrecht? Será interesante. Veo eso como una forma de lo que quiero decir con estar ocupado. Estar ocupado es dejar que tu cerebro realmente haga cosas. Y así, ya sabes, quieres esto. Probablemente el mejor enemigo aquí es el aburrimiento o, ya sabes, mirar la pantalla, esperando que las cosas se compilen. Ya sabes, eso no significa que el pensamiento libre no sea una buena idea. El pensamiento libre es estar ocupado. Realmente te estás metiendo en, ya sabes, lo que quieres lograr en tu vida. Y las personas con las que quieres divertirte. Sí. Bajando la barrera a la curiosidad, ¿verdad? Oh, absolutamente. Sí, absolutamente.

Genial. La siguiente pregunta que tenemos, esto se basa en tu ejemplo. Parece muy útil para problemas de optimización.

Sí, no es realmente medible. Sí. Quiero decir, creo que cuando hay muchos ejemplos de, ya sabes, es un buen lugar para comenzar. A veces, ya sabes, solo quieres tener una idea en una pantalla porque somos seres visuales. ¿Verdad? Pero, ya sabes, la mayoría de las ideas que he tenido cuando miro hacia atrás en los tiempos que pasé demasiado tiempo construyendo sin un propósito, no creo que fuera un buen uso de mi tiempo.

Tenía ideas. Pasé demasiado tiempo construyendo una aplicación, por ejemplo, para compartir mi nivel de batería con mi familia. Pensé que esto iba a ser una buena idea. Y resulta que cuando hice la pregunta, ya sabes, de manera sistémica, esto simplemente no es algo que la gente realmente necesite. Es divertido de construir, pero no aprendí tanto tratando de construir eso porque no recibí retroalimentación.

Y entonces, cuando solo estás construyendo algo únicamente para ti, puede ser valioso siempre que te proporcione valor de manera consistente. Y lo sabrás, ¿lo estás usando día tras día? Si es así, genial. Pero lo que encontré es que no eran esas cosas cuando tuve la oportunidad de compartir con n más uno, ya sabes, no solo una persona con la que trabajaría, ya sabes, un grupo de personas, la energía y el fuego que obtienes de la retroalimentación realmente es una fuerza que creo que construye tu creatividad y te hace idear mejores ideas creativas, porque creo que ese es el objetivo.

Sabes, comenzando con ¿qué pasa si asumo que lo que quieres construir se va a construir con éxito? Puedes hacerlo. Correcto. Si solo creo que comenzamos a construir a veces como si incluso construyera eso. Entonces, si comienzas con no, por supuesto que puedes. Puedes construir cualquier cosa. Software. Es algo asombroso. Y hay hardware. Y también es asombroso. Cuando comienzas con puedo construirlo ahora. Asume que está construido. ¿Qué propósito tiene? ¿A quién le va a ahorrar tiempo? ¿A quién le proporcionará alegría? Si no haces esas preguntas, no creo que estés aprendiendo o realmente teniendo una relación a largo plazo con ese trabajo. Sí, no, definitivamente he encontrado que estas herramientas son increíbles para emparejar con un diseñador o un experto en la materia o algo así porque obtienes algo para mostrarles tan rápidamente. Oh, es increíble. Y ver es creer. Sí. Sabes, somos muy, ya sabes, seres orientados visual o hápticamente. Y quieres necesitas llegar allí.

Bien. La siguiente pregunta es una que creo que casi todos tienen. Y estamos encontrando que nuestro cuello de botella son las revisiones de código. Oh, sí. ¿Cómo encuentras la proporción correcta para revisar y guiar versus dejar que el agente haga lo suyo? Sí. Quiero decir, este es un problema ligeramente no resuelto. Creo que lo que estamos haciendo con herramientas como, ya sabes, uno de mis antiguos colegas, está codiff, no sé si estás familiarizado con esto, pero, ya sabes, o usando agentes para revisar el trabajo de otros agentes. Realmente creo que vamos a mejorar mucho en esto y ser capaces de, ya sabes, tomar un fragmento de código, mirarlo y decir, OK, ¿en qué camino crítico está esto? OK, ¿cuál es el impacto de un cambio en esto? Sabes, lo dimensionas como una camiseta. Y vamos a aprobar automáticamente pequeños cambios, probablemente cambios medianos a corto plazo. Y probablemente simplemente marcaremos cambios realmente críticos y tendremos cambios más pequeños de esa manera. Creo que revisaremos menos código. Yo ciertamente lo creo.

Así que creo que estamos, pero todavía estamos construyendo hacia eso mientras construimos. Creo que estos bucles de agentes, vamos a poder, de nuevo, si realmente puedes describir los impactos, bueno, establecer sistemas de verificación y usar infraestructura que se auto-repare. Creo que el riesgo aquí disminuye considerablemente. Sabes, si no es una seguridad, sabes, si puedes evaluar, esto no es un riesgo de seguridad, por ejemplo. Y, sabes, puedes revertir instantáneamente. Entonces el riesgo de descubrirlo no da tanto miedo. Sí. Sí. Estamos encontrando algo similar donde ahora estamos revisando más a nivel arquitectónico. ¿Tiene sentido la forma de esto? Estamos dejando que los agentes se ocupen de la corrección del código. Sí, creo que eso es muy probable que suceda.

Bien, creo que tenemos tiempo para tal vez uno o dos más de estos. Así que el siguiente que tenemos. ¿Cómo gestionas los costos al diseñar y ejecutar bucles de agentes? Sí, quiero decir, creo que evaluar los tipos de modelo que quieres usar para el tipo de tarea que estás haciendo es bastante valioso. Pero solo puedes descubrir esto probando diferentes modelos. Creo que auto es una buena manera de ejecutar en muchos de estos bucles de agentes, porque vas a tener una serie de indicaciones y evaluarlas para el beneficio de costo de modelo adecuado es bastante valioso. De nuevo, problema interesante que mucha gente está tratando de resolver. Miras una indicación y decides qué modelo es efectivo, rentable para ello. Así que de nuevo, esto es lo que todos estamos aprendiendo hoy.

Quiero decir, estamos haciendo esta pregunta porque no estamos exactamente seguros. Y el defecto es, sabes, pruébalo con un modelo de frontera. Ve si es mejor. Pruébalo con un modelo de código abierto. Sabes, no hay razón para no hacer ambos y ver qué funciona para ti. Pero la eficiencia aquí en última instancia será descubrir, sabes, de nuevo, cuanto más bien definidas estén tus mediciones, mejor será tu base, mayor será la probabilidad de que puedas usar un modelo más rentable para resolver el problema. Si entiendes si estás tratando de optimizar un filtro de Bloom, primero que nada, tienes que saber qué es un filtro de Bloom, lo que significa que tienes que haber entendido estructuras de datos y algoritmos desde la base y realmente conocer profundamente eso para poder escribir la indicación que un modelo menos sofisticado puede ejecutar. Bien, vamos a hacer una última pregunta y luego cerrar, para que tengamos tiempo para las personas que necesitan hacer la transición. Así que la última pregunta que tenemos aquí. Así que los agentes pueden quedarse atascados haciendo optimizaciones locales de estilo escalada de colinas. ¿Cómo los enfocas en objetivos que requieren cambios no locales para lograr un óptimo global? Sí, quiero decir, creo que este es el punto de conexión para las empresas orientadas al despliegue de infraestructura. Vercell está justo en el medio de esto. Creo que podemos decir, sabes, cuando una vez que empujas un cambio, sabes, hacemos un despliegue gradual. Esto es algo que sabes, esto es lo que Google y Facebook hacen básicamente con cada cambio. Comienzan con un despliegue de porcentaje muy bajo y saben por los PRs esencialmente cuál es el objetivo desde el lado de la medición antes de comenzar a desplegar más ampliamente y luego pueden revertir automáticamente. Creo que esta tecnología es cómo resolvemos eso. Bien, vamos a dar un último agradecimiento aquí para Lindsay. Oh sí. Muchas gracias a todos por venir.