Fundador de OpenClaw: El 80% de las aplicaciones desaparecerán, y los agentes de IA reemplazarán el ecosistema móvil

Empresa de capital de riesgo Y Combinator entrevista al desarrollador de OpenClaw, un agente personal de IA de código abierto que se volvió viral, Peter Steinberger, quien predice que aproximadamente el 80% de las aplicaciones desaparecerán, ya que las aplicaciones que gestionan datos simples podrán ser automatizadas y reemplazadas por agentes de IA. La mayor ventaja de OpenClaw es romper las islas de datos, almacenándolos localmente para garantizar la privacidad.

Detrás del éxito de 180,000 estrellas: el punto de inflexión de la respuesta en 9 segundos

(Fuente: Github)

El repositorio del proyecto OpenClaw en GitHub ha obtenido más de 180,000 estrellas, y la comunidad ha desarrollado aplicaciones derivadas, como chatbots que conversan entre sí o incluso emplean humanos, por ejemplo Moltbook. Este número de estrellas es extremadamente raro en la comunidad de código abierto; incluso frameworks de aprendizaje profundo conocidos como PyTorch tienen alrededor de 80,000 estrellas. Que OpenClaw haya alcanzado 180,000 estrellas en pocos meses demuestra su explosivo interés entre los desarrolladores.

Frente a la repentina popularidad de OpenClaw, Peter reveló que en las últimas semanas ha recibido una gran cantidad de comentarios y correos electrónicos, tanto que sintió la necesidad de “esconderse en una cueva” y descansar una semana para digerir todo. Este tipo de atención repentina es una gran presión para un desarrollador independiente, ya que no solo debe responder a problemas técnicos y solicitudes de funciones, sino también gestionar entrevistas con medios, colaboraciones comerciales y la comunidad.

Al hablar sobre el origen del desarrollo, Peter dijo que inicialmente solo quería que la computadora ejecutara instrucciones simples. Desarrolló una versión preliminar en mayo y junio, y posteriormente volvió a dedicar tiempo para satisfacer la necesidad de verificar el progreso del trabajo en la computadora. Este impulso de “resolver un problema personal” es común en muchos proyectos de código abierto exitosos. Cuando los desarrolladores experimentan personalmente un problema, las soluciones que crean suelen estar más alineadas con las necesidades reales.

El verdadero punto de inflexión ocurrió en una fiesta en Marrakech, cuando intentó enviar un mensaje de voz a un robot que aún no tenía función de voz integrada a través de WhatsApp. Para su sorpresa, el robot mostró una capacidad sorprendente para resolver problemas: identificó archivos, los convirtió y llamó a APIs automáticamente, respondiendo en solo 9 segundos. Esto le hizo darse cuenta de que su modelo de programación ya tenía la capacidad de transformar problemas abstractos en soluciones concretas.

Este momento de respuesta en 9 segundos fue clave para que OpenClaw pasara de ser un proyecto experimental a una herramienta práctica. Cuando un agente de IA puede manejar situaciones imprevistas (como mensajes de voz), buscar soluciones automáticamente (como convertir archivos) y ejecutarlas eficientemente (en 9 segundos), evoluciona de ser un “asistente que requiere supervisión humana” a un “agente capaz de resolver problemas de forma autónoma”. Este salto cualitativo marca la utilidad real de los agentes de IA.

Al desarrollar OpenClaw, Peter no utilizó las tradicionales Git Worktrees, sino que copió varias carpetas para gestionar tareas en paralelo, reduciendo la carga mental. Aboga por ofrecer a los robots “herramientas que también disfrutan los humanos”, como interfaces de línea de comandos (CLI), en lugar de protocolos complejos solo para máquinas. Este enfoque “centrado en el humano” hace que OpenClaw sea más comprensible y extensible para los desarrolladores.

Para evitar respuestas demasiado rígidas, incluso creó un archivo llamado soul.md para definir los valores y la personalidad del robot, haciendo que sus respuestas sean más humanas y con humor. Este detalle es muy inspirador, ya que revela que el diseño de un buen agente de IA no solo es un problema técnico, sino también de construcción de personalidad. Cuando un agente de IA tiene una “personalidad” clara, los usuarios están más dispuestos a interactuar con él, formando relaciones más naturales.

La teoría del 80% de desaparición de aplicaciones: el fin de las aplicaciones de gestión de datos

En la entrevista, Peter predice audazmente que alrededor del 80% de las aplicaciones desaparecerán. Cree que cualquier aplicación que simplemente gestione datos será reemplazada por agentes de IA que lo hagan de manera más natural y automática. Aplicaciones como MyFitnessPal, que registran dieta y ejercicio, o gestores de tareas, dejarán de ser necesarias.

Peter describe un escenario disruptivo: cuando un usuario come en una hamburguesería, el agente automáticamente asume que consume su comida habitual y la registra, incluso ajustando su plan de entrenamiento para aumentar el ejercicio aeróbico, sin que el usuario tenga que ingresar nada manualmente. Esta experiencia completamente automatizada hará que las aplicaciones tradicionales de seguimiento de salud y dieta sean innecesarias. El usuario ya no tendrá que abrir MyFitnessPal, ingresar manualmente los alimentos y las calorías; el agente de IA lo hará en segundo plano.

Las aplicaciones de gestión de tareas también están en peligro. Peter señala que en el futuro, la interacción será simplemente decirle al agente “recuérdame esto”, y el agente se encargará de gestionar y recordarlo a tiempo, sin importar dónde se almacene la información. Actualmente, apps como Todoist o Microsoft To Do requieren que los usuarios creen tareas, establezcan horarios y clasifiquen, pero en la era de la IA, esa gestión manual será eliminada.

Las tres categorías principales donde desaparecerán el 80% de las aplicaciones

Aplicaciones de registro de datos: seguimiento de salud, dietas, finanzas, entradas de datos simples

Gestión de recordatorios: tareas, calendarios, alarmas, herramientas de gestión del tiempo

Integración de información: agregadores de noticias, gestión de correos, aplicaciones de notas

Con esta tendencia, Peter cree que solo aquellas aplicaciones que dependen de sensores específicos tendrán alguna oportunidad de sobrevivir. Por ejemplo, apps profesionales de monitoreo cardíaco que usan bandas o relojes inteligentes, o apps de cámaras que controlan hardware de lentes, serán difíciles de reemplazar completamente por IA. Sin embargo, incluso estas aplicaciones podrían ser reempaquetadas con interfaces y experiencias de usuario controladas por IA.

Esta predicción representa una amenaza para los desarrolladores de apps y las grandes plataformas tecnológicas. La economía de Apple App Store y Google Play Store, basada en un ecosistema de millones de aplicaciones, se verá gravemente afectada si el 80% desaparece. Para los desarrolladores que dependen de compras dentro de la app y publicidad, la transición a ofrecer funciones de agentes de IA será quizás la única salida.

Rompiendo las islas de datos: la revolución del almacenamiento local de OpenClaw

Peter compartió que la clave para que OpenClaw compita con grandes modelos de lenguaje (LLMs) es la “propiedad de los datos” y romper las barreras de los “islas de datos” de las grandes empresas. Actualmente, las grandes compañías de IA suelen crear barreras, almacenando los datos de los usuarios en sistemas en la nube cerrados, dificultando la migración o extracción de información. En cambio, OpenClaw funciona en la máquina local del usuario, permitiendo controlar hardware (como Tesla, altavoces, luces) y acceder a archivos antiguos, recuperando recuerdos olvidados.

OpenClaw almacena los recuerdos en archivos Markdown en local, lo que significa que el usuario tiene total control y puede acceder a estos datos en cualquier momento. Peter opina que los agentes de IA personales manejarán información altamente privada, similar a los registros de búsqueda en Google, por lo que el almacenamiento local y el control del usuario son esenciales para garantizar la privacidad y seguridad.

Sin embargo, en sus primeros días, OpenClaw enfrentó preocupaciones de seguridad. La firma de ciberseguridad SlowMist detectó vulnerabilidades en Clawdbot (OpenClaw) que podrían exponer información sensible, incluyendo claves API de Anthropic, tokens de bots de Telegram, credenciales OAuth de Slack y conversaciones privadas de meses. Hasta el 1 de febrero, se lanzaron actualizaciones para solucionar algunos problemas de seguridad.

De la inteligencia artificial omnipotente a la inteligencia colectiva: el futuro de la especialización

Sobre el futuro de la IA, Peter opina que no debería buscarse una “inteligencia universal” centralizada, sino que la tendencia será hacia la “inteligencia colectiva”. Hace una analogía: la humanidad logra grandes avances, como llegar a la luna, mediante la división del trabajo. La IA también debería especializarse en diferentes áreas. En el futuro, cada persona podría tener múltiples robots especializados en trabajo, vida privada o relaciones sociales.

Describe un escenario futuro donde los agentes interactúan entre sí, por ejemplo, un agente del usuario negociando reservas en un restaurante con el agente del restaurante. En casos donde se requiera presencia física o colas, los agentes podrían contratar humanos automáticamente para completar tareas. Este modo de colaboración entre múltiples agentes especializados será la tendencia principal en el desarrollo de la IA.

La ventaja de la inteligencia colectiva radica en la eficiencia que aporta la especialización. Un agente de finanzas especializado será mucho más competente que un AI general en esa área. Un agente dedicado a relaciones sociales entenderá mejor las sutilezas de la interacción humana. Esta división del trabajo es similar a la estructura social humana, con diferentes profesiones y conocimientos especializados.

Desde el punto de vista técnico, la inteligencia colectiva también es más fácil de implementar. Entrenar una IA general requiere enormes datos y recursos computacionales, y suele tener problemas de “ser bueno en todo pero no excelente en nada”. En cambio, entrenar múltiples IA especializadas con modelos más pequeños y datos enfocados reduce costos y requisitos. Estas IA especializadas pueden comunicarse mediante protocolos estándar, formando redes colaborativas cuya inteligencia colectiva puede superar a la de una IA omnipotente.