¡La IA que SE AUTOMEJORA sola! RSI-Anything y los Modelos del Mundo

Publicado em

Vídeo em Espanhol, publicado pelo canal En la mente de la máquina, Inteligencia Artificial.

Sobre este contenido: El resumen, los puntos principales y los temas que aparecen a continuación se generan automáticamente a partir de la transcripción del vídeo. Reflejan el contenido, las opiniones, afirmaciones y predicciones presentadas en el vídeo y no representan una posición, validación o verificación de hechos por parte de IA Dots.

Resumen del vídeo

El vídeo analiza cómo la empresa Anthropic enfrentó un colapso en su infraestructura de desarrollo debido a la gigantesca cantidad de código generado automáticamente por su modelo de inteligencia artificial, Claude. Ante la incapacidad de las herramientas tradicionales como Git para soportar este volumen, la compañía desarrolló un nuevo sistema llamado Sion, diseñado específicamente para agentes autónomos conectados permanentemente a la nube.

Puntos principales

  • El monorepositorio de Anthropic pasó de 2.500 a 30.000 integraciones de código diarias generadas por la IA Claude.
  • Git colapsó físicamente debido al tamaño del historial y al tráfico masivo generado por los agentes autónomos ejecutando pruebas.
  • Anthropic creó Sion, un sistema centralizado basado en conjuntos de cambios mínimos y caché regional, optimizado para agentes siempre en línea.
  • La nueva arquitectura redujo el consumo de CPU y memoria 200 veces y disminuyó el tiempo de descarga a escasos segundos.
  • Un equipo de solo siete ingenieros humanos tardó cinco meses en desarrollar Sion con la ayuda de Claude.
  • La colaboración con la IA demostró que su rol principal es generar código rápidamente, mientras que el humano actúa como arquitecto y freno a la sobreingeniería.

Temas

Inteligencia ArtificialControl de versionesAnthropicClaudeInfraestructura de desarrolloAgentes autónomosGitOptimización de código

Qué aprenderás

  • Las herramientas de control de versiones tradicionales como Git no están diseñadas para soportar el volumen masivo de código generado por agentes de IA.
  • Un sistema basado en catálogos centralizados y conjuntos de cambios mínimos evita los bloqueos de bases de datos y permite la escritura simultánea.
  • La IA puede sobreingenierizar soluciones, por lo que la intervención humana es fundamental para mantener la simplicidad arquitectónica.
  • La inteligencia artificial es capaz de resolver conflictos de código de manera masiva y en milisegundos a una escala inalcanzable para humanos.

Preguntas y respuestas

¿Qué causó el colapso de la infraestructura en Anthropic?

El colapso fue provocado por el volumen masivo de integraciones de código generadas de forma autónoma por la IA Claude, que pasó de 2.500 a 30.000 integraciones diarias.

¿Qué es Sion?

Es un sistema centralizado creado por Anthropic para reemplazar a Git, diseñado específicamente para agentes de IA siempre en línea mediante conjuntos de cambios mínimos y una estructura de caché en cascada.

¿Cuánto tiempo tardó el equipo en desarrollar la nueva arquitectura Sion?

El proyecto fue desarrollado por un equipo de siete ingenieros humanos en un periodo de cinco meses con la asistencia de la inteligencia artificial.

Transcripción del vídeo

Texto de los subtítulos disponibles; puede contener errores.

Hola y os doy la bienvenida a En la mente de la máquina. Hoy tenemos por delante un análisis que sinceramente es verdaderamente fascinante y nos adelanta lo que va a ser el futuro de la tecnología. Vamos a meternos de lleno en un escenario que parece sacado directamente de una novela de ciencia ficción, pero que a día de hoy ya es una realidad técnica palpable. Vamos a analizar como la empresa Anthropic, que son los creadores de este modelo de lenguaje tan avanzado llamado Cloud, se dio de bruces contra un muro infranqueable. Y es que ocurrió algo sin precedentes. Su propia inteligencia artificial empezó a generar código a un ritmo tan salvaje y vertiginoso que literalmente colapsó y destrozó la infraestructura de desarrollo de la propia compañía. O sea, el sistema subyacente no aguantó. Así que se vieron en la necesidad imperiosa de reinventar desde cero, desde los cimientos, la forma en la que almacenan, gestionan y fusionan su código fuente, creando por el camino una tecnología completamente revolucionaria. Esta es una historia profunda sobre qué ocurre exactamente cuando esas herramientas que llevamos décadas diseñando para una escala humana se enfrentan de golpe a la velocidad implacable de las máquinas. Para prepararnos para la densidad técnica de este tema, esta es nuestra hoja de ruta. Uno, el colapso de Kit. Dos, diseñando para agentes autónomos. Tres, así funciona Sion. Cu, la nueva arquitectura escalable. Y cinco, lecciones de programar con IA. Vamos a ello. Sección uno, el colapso de Git. Cuando la IA escribe sin parar. 30,000 se dice pronto, ¿verdad? Pues esta cifra tan asombrosa representa la cantidad de integraciones de código o los merges que el monorepositorio de Anthropic llegó a recibir cada día en septiembre de 2026. Históricamente, claro, el cuello de botella en cualquier empresa siempre ha sido la capacidad humana. Escribir código requiere pensar, teclear, debatir, lleva tiempo. Pero cuando el modelo Cloud empezó a generar código de forma autónoma, esa barrera sencillamente desapareció. 30,000 integraciones es un volumen impensable para cualquier equipo humano, por gigante que sea. Estamos hablando de una escala donde los agentes de IA no duermen, no se toman pausas para el café y envían código cada milisegundo. Y claro, ante esto, las herramientas estándar de la industria del software se desmoronan bajo su propio peso. Para que os hagáis una idea de lo vertiginoso que fue todo esto, fijaos en este gráfico. En enero de 2026, la empresa promediaba unas 2500 integraciones de código diarias. A ver, eso de por sí ya es una carga considerable para cualquier servidor, pero es que en apenas unos meses para septiembre esa cifra se multiplicó por más de 10, superando esa barrera de las 30,000 diarias. Este crecimiento repentino transformó el control de versiones, que siempre había sido como una herramienta de fondo silenciosa en el mayor dolor de cabeza de toda la compañía, o sea, el cuello de botella absoluto. Resulta que cada vez que el equipo optimizaba la IA, la IA producía más código, creando un bucle que empeoraba el problema de almacenamiento a una velocidad de vértigo. Y claro, aquí es donde entra Kit. Es el sistema más popular del mundo, sí, pero tiene un diseño descentralizado. Básicamente, asume que necesitas bajarte una copia completa de todo el repositorio en tu ordenador para trabajar offline. Pero echad un vistazo a los datos físicos porque son abrumadores. El historial principal rozaba los 100 GB. Solo la copia de trabajo comprimida ya pesaba más de 25 GB. Ahora multiplicad eso por agentes automatizados haciendo 25 millones de descargas diarias para ejecutar pruebas. El resultado, un tráfico proyectado de 600 al día. A nivel puramente físico, de ancho de banda y de discos duros, esta forma de trabajar se volvió completamente insostenible. Literalmente no hay cables que aguanten esto. Por eso me parece tan brillante esta frase del equipo de ingeniería. El cuello de botella ahora es toda la infraestructura de desarrollo construida a escala humana. Es crucial detenernos un segundo en esto porque es un cambio de paradigma bestial. La verdadera barrera para innovar ya no es inventar arquitecturas complejas o escribir código inteligente, ¿no? La barrera es la física pura y dura. Son los servidores y la red intentando a duras penas procesar y guardar ese código a una velocidad para la que nunca jamás fueron diseñados. Pasamos a la sección dos. Diseñando para agentes autónomos. Un nuevo paradigma tecnológico. Imaginemos por un momento que tenemos que diseñar un sistema desde cero y sabemos que nuestros usuarios no son humanos, sino inteligencias artificiales conectadas permanentemente a la red. Pues bien, usar Git en este escenario sería como obligar a alguien a entrar en una biblioteca gigantesca y meter una réplica de absolutamente todos los libros en su mochila por si acaso luego quiere leer uno mientras va por la calle sin internet. No tiene sentido, ¿verdad? Por eso crearon Son. Son funciona más bien como un catálogo digital ultra rápido y centralizado. Está pensado para agentes que siempre tienen conexión y que solo van a pedir la página exacta del libro que necesitan, justo en el milisegundo en que la necesitan, sin cargar su disco duro con basura innecesaria. Así que los principios de son reescriben las reglas del juego por completo. Primero, da por hecho que los clientes siempre están online, eso es innegociable. Segundo, hay una asimetría total. El cliente no calcula casi nada. Toda la carga pesada se la comen los servidores centrales. Tercero, todo es un servicio programable mediante APIs, así que adiós a los repositorios locales gigantes para los bots. Cuarto, escalabilidad horizontal total para que nada se sature. Y quinto, la copia de trabajo en local es totalmente opcional y dispersa. Te bajas solo lo estrictamente necesario. Básicamente, le tiramos todo el trabajo pesado a la nube para poder ir a la velocidad de la luz. Sección tres. Así funciona Sion, la anatomía del nuevo sistema. Para entender cómo Son consigue esta proeza, hay que mirar bajo el capó. Y el corazón absoluto de este sistema se llama Change Set. En los sistemas tradicionales, normalmente guardas un puntero a un árbol de archivos entero y tienes que bloquear la base de datos para que nadie más escriba y corrompa algo. Pero un change setet en son es algo minimalista, superquirúrgico, solo guarda la lista exacta de archivos que han cambiado respecto al paso anterior junto con un enlace a esos contenidos hipercomprimidos en la nube. Al ser tan sumamente simple, evita que los servidores tengan que bloquearse entre sí o coordinarse demasiado y eso es lo que permite que miles de máquinas inyecten código a la vez sin chocar. Pero claro, surge una duda lógica. Si un change set guarda un par de cambios, ¿cómo demonios sabes quién escribió una línea de código antigua sin tener que leer todo el historial? Aquí está la magia. Primero se guarda ese change set ultra ligero de forma casi instantánea. Luego SON prepara lo que llaman datos derivados, como quién es el autor o el historial completo. Pero, y aquí está el tercer paso clave, esta evaluación pesada del historial no la hace por defecto, solo la calcula bajo demanda. Es decir, si nadie pide saber quién escribió la línea, Sayón no gasta recursos en calcularlo. Se espera al último milisegundo necesario, ahorrando una cantidad de procesamiento que es una auténtica barbaridad. Sección cuatro, la nueva arquitectura escalable. Distribuyendo la carga inteligentemente. Toda esta teoría está muy bien, pero ¿cómo se traduce en servidores físicos? Pues S utiliza una estructura encascada superinteligente de cuatro niveles. Arriba del todo están los servidores principales que tienen la base de datos central definitiva. Justo por debajo hay servidores de caché regional que guardan en memoria rápida lo que más se pide. Bajamos un escalón más y dentro de la máquina de cada gente hay un demonio local, un pequeño proceso silencioso gestionando los datos y por último el cliente final. Esta cascada actúa como un escudo protector tremendo. Si de repente 10,000 agentes de IA se vuelven locos pidiendo datos a la vez, ese ataque accidental se estampa contra el la caché regional, dejando a los servidores principales totalmente tranquilos y a salvo. Y vaya si funciona el escudo. Fijaos en esta gráfica. Más del 99% de las peticiones masivas que recibe Son se resuelven de forma instantánea gracias a la memoria caché. O sea, en el 99% de los casos ni siquiera hay que molestar a la base de datos principal. Los fallos de caché cuando realmente hay que buscar algo en lo más profundo del sistema solo un triste 1% del tráfico. Este es el gran secreto, la clave maestra que permite que todo el entorno vuele y entregue código en cuestión de milisegundos sin inmutarse. Cuando ves los resultados empíricos, de verdad que te explota la cabeza. Con esta nueva arquitectura, el consumo total de CPU y memoria de la empresa pasó a ser de un día para otro 200 veces menor que con Git. 200 veces. El tiempo que tarda una máquina en descargar el código para empezar a trabajar bajó de minutos interminables a escasos segundos. Si multiplicamos esos segundos ahorrados por millones de operaciones al día, resulta que recuperaron de golpe un 25% de toda la capacidad de sus servidores de integración continua. Es un salto generacional de rendimiento brutal. Y llegamos a la sección cinco, lecciones de programar con IA, el futuro del desarrollo humano. Hay algo casi poético en todo esto y es el cómo se construyó. Estamos hablando de un equipo de tan solo siete personas, siete ingenieros humanos. En condiciones normales, reescribir toda la columna vertebral tecnológica de una empresa y crear un sistema distribuido tan complejo habría requerido ejércitos de programadores y años de reuniones. Pues bien, ellos tardaron exactamente 5 meses desde el inicio del proyecto hasta la migración total a Sion, incluyendo una herramienta de revisión de código totalmente nueva. Esta compresión absurda del tiempo solo fue posible gracias a la aceleración ininterrumpida de trabajar codo con codo con clot. Aunque claro, trabajar con una hiperactiva tiene sus cosas raras y esta cita me parece oro puro. Muy a menudo descubrimos que el rol de los ingenieros era decirle no a Clot. Resulta que la IA tiene una tendencia enorme a sobreingeniar. Para resolver un problema sencillo, a veces Clot proponía violar reglas arquitectónicas sagradas o añadir capas de complejidad loquísimas para problemas que eran pura hipótesis. Así que el trabajo del humano ya no era picar código como un autómata. Su valor real era ser el arquitecto jefe, el adulto en la sala poniendo frenos racionales y diciendo, "No te compliques la vida", al apetito boraz de la máquina. Pero ojo, cuando a la IA se le da libertad en tareas de optimización matemática pura, los resultados asustan un poco. Por ejemplo, el equipo le pasó a Cloud un código que habían escrito a mano para procesar datos, solo para ver qué hacía. De forma completamente autónoma, sin guías detalladas, la IA reescribió todo el flujo. El resultado, el nuevo código consumía 20 veces menos memoria y era cuatro veces más rápido, respetando todas las reglas matemáticas a la perfección. Encontró atajos algorítmicos que a un experto humano le habrían costado semanas enteras de ensayo y error en el laboratorio. Fruto de esta simbiosis, nacieron cosas rarísimas y fascinantes, como los famosos superfans de Clot. Imaginad esto. Crearon instancias de inteligencia artificial que vivían perpetuamente metidas en los canales de Slack de la empresa. Su único propósito en la existencia, literalmente su obsesión absoluta, era mirar fijamente las métricas de un solo componente del sistema. Tenían un superfan dedicado exclusivamente a mirar el gráfico de la caché todo el día. Otro solo miraba la latencia de la red. Eran como centinelas incansables y claro, detectaban anomalías sutiles muchísimo más rápido y mejor que cualquier sistema de alertas tradicional. Toda esta experiencia le esforzó a tirar por la ventana dogmas intocables de la programación. Por ejemplo, la regla de oro siempre ha sido bloquear un repositorio entero cuando vas a integrar código para que nadie más rompa nada y evitar conflictos masivos. Pero a la escala frenética de la IA, pausar el sistema habría paralizado a toda la empresa. Así que quitaron los bloqueos y dejaron que el código fluyera a lo bestia en paralelo. Y sabéis por qué funcionó? Porque descubrieron que incluso cuando cientos de cambios chocan entre sí, creando un caos de conflictos, la IA es capaz de leerlos y resolverlos de forma impecable en milésimas de segundo. O sea, antes de que un programador humano abra el archivo para ver qué pasa, la IA ya lo ha arreglado. Lo que irremediablemente nos lleva a la gran pregunta de fondo. Visto lo visto, ¿estamos listos en la industria para el código a escala IA? Es verdad que Son se hizo a medida para el monstruo que Anthropic tenía en casa, pero no nos engañemos, estos mismos cuellos de botella van a llamar a la puerta de casi toda gran empresa tecnológica más pronto que tarde. A medida que las inteligencias artificiales sigan mejorando y empiezan a programar por su cuenta en todas partes, la infraestructura tradicional simplemente no va a dar más de sí y todos tendremos que enfrentarnos a volúmenes de código que sinceramente no están pensados para humanos. Gracias por escuchar En la mente de la máquina. Si te gusta este tipo de contenido, dale like, suscríbete y activa la campanita para apoyar el canal y no perderte ningún episodio. Y no olvides dejar tus impresiones en la cajita de comentarios, que siempre te leo y te respondo.

Assistir ao vídeo original no YouTube

Assuntos: Agentes de IA. Publicado no YouTube em 2026-11-03.

Seleção automática por assunto e idioma. O vídeo pertence ao canal de origem.

Comentários

Postagens mais visitadas deste blog

How to build a JARVIS AI Voice Agent for FREE | Full Livekit Tutorial (2026)

How Does AI Actually Work? 🤖 | AI, Machine Learning & Generative AI Explained