Temas en tendencia
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.

Madhu Guru
Líder de Producto en Google - Gemini
El diseño de agentes requiere principios fundamentales similares a los del diseño tradicional de software: menor carga cognitiva, generar confianza en el usuario, observabilidad, excepto que estos importan mucho más, porque los agentes pueden actuar en una superficie mucho más grande de su vida y trabajo.
Son palancas masivas, al alza y a la baja, por lo que el diseño importa mucho.
5.64K
La IA está acelerando la hinchazón de los productos.
Los equipos pueden enviar funciones 10 veces más rápido, por lo que lo hacen, sin preguntar si deberían hacerlo.
Resultado: productos Frankenstein con características atornilladas, sin diseño coherente, alta carga cognitiva.
La IA te da el 80%. Tu trabajo es el 20% restante: resolver problemas reales de los usuarios con un diseño elegante.
La velocidad es abundante. La artesanía es escasa.
22.65K
Como creador de productos, su alfa está apuntando a la unidad de tarea que está a 6 meses de distancia para los modelos.
Aaron tiene razón, así es como hemos abordado los modelos: una complejidad de tareas cada vez mayor.
Por ejemplo, finalización de código -> bloques de código (generación, depuración, optimización) -> archivos completos -> varios archivos -> agentes -> sistemas multiagente
Patrón similar en otras capacidades del modelo.

Aaron Levie4 oct 2025
Lo interesante de los agentes de IA es que la unidad de una tarea seguirá creciendo en tamaño con el tiempo.
En código, en los últimos 2 años, hemos pasado de autocompletar un par de líneas de código en un segundo, a escribir cientos o miles de líneas de código en minutos, a escribir decenas de miles de líneas de código durante horas. La misma tendencia está ocurriendo en este momento en la mayoría de los otros campos del trabajo del conocimiento.
Fuera del espacio, algunos pueden preguntarse "¿por qué la IA no se está volviendo más barata o más rápida?" Sin embargo, todos en la industria saben que ahora podemos dedicar más cómputo a un problema para resolver el siguiente más difícil.
Tan pronto como creemos que hemos alcanzado un punto óptimo de calidad, precio y velocidad, el potencial del caso de uso se expande a medida que obtenemos más avances en el modelo. El último problema que pudimos resolver parece trivial en comparación, y estamos en la siguiente tarea compleja.
Es probable que esta dinámica siga ocurriendo en el futuro previsible dado que no estamos cerca de la meseta de capacidad, por lo que las unidades de tarea seguirán creciendo y creciendo.
186.11K
Populares
Ranking
Favoritas

