Mis mayores conclusiones de @embirico (Líder de Producto de OpenAI Codex): 1. El producto inicial de Codex de OpenAI estaba "demasiado lejos en el futuro". Funcionaba en la nube de manera asíncrona, lo cual era genial para los usuarios avanzados, pero difícil para los recién llegados. El crecimiento explotó cuando lo llevaron de vuelta a donde los ingenieros ya trabajan: dentro de su editor de código, en su propia computadora. El uso de Codex ha crecido 20 veces en los últimos 6 meses. 2. OpenAI construyó la aplicación Sora para Android—que alcanzó el #1 en la tienda de aplicaciones—en solo unas pocas semanas con dos o tres ingenieros, con la ayuda de Codex. La aplicación Sora pasó de cero a pruebas por empleados en 18 días, y luego se lanzó públicamente 10 días después. Codex ayudó analizando la aplicación existente de iOS, generando planes de trabajo e implementando características al comparar ambas plataformas simultáneamente. 3. La clave para obtener valor de Codex: dale tus problemas más difíciles, no los más fáciles. Estas herramientas están diseñadas para abordar errores complicados y tareas complejas, no simples. Comienza con algo en lo que de otro modo gastarías horas. 4. Escribir código puede convertirse en la forma universal en que la IA realiza cualquier tarea. En lugar de hacer clic a través de interfaces o construir integraciones separadas, la IA rinde mejor cuando escribe pequeños programas sobre la marcha. Esto sugiere que la capacidad de codificación debería estar integrada en cada asistente de IA, no solo en herramientas de programación especializadas. 5. Los diseñadores de OpenAI ahora escriben y envían su propio código. El equipo de diseño mantiene un prototipo completamente funcional construido con asistencia de IA. Cuando tienen una idea, la codifican directamente, la prueban y a menudo la envían para producción ellos mismos. Los ingenieros solo intervienen cuando la base de código es particularmente compleja. 6. Incluso si los modelos de IA dejaran de mejorar mañana, todavía quedan años de trabajo de producto por hacer para desbloquear su potencial. La tecnología está por delante de nuestra capacidad para usarla de manera óptima. 7. El mayor cuello de botella para la productividad de la IA no es la IA; es la velocidad a la que los humanos pueden escribir. Los factores limitantes son cuán rápido puedes escribir indicaciones y cuán rápido puedes revisar el trabajo generado por la IA. Hasta que la IA pueda validar su propia salida de manera más confiable y ofrecer ayuda proactivamente, no veremos las ganancias de productividad completas que estas herramientas podrían ofrecer. 8. Escribir código se está volviendo menos divertido que revisar el código escrito por la IA. A los ingenieros les encanta el flujo creativo de construir. Ahora están pasando más tiempo leyendo lo que la IA produjo. El próximo desafío es hacer que ese proceso de revisión sea más rápido y satisfactorio. 9. Los nuevos modelos de IA ahora pueden trabajar continuamente durante 24 a más de 60 horas en una sola tarea. Una técnica llamada "compactación" permite que la IA resuma lo que ha aprendido antes de quedarse sin memoria, y luego continúe trabajando en una nueva sesión. Esto permite un trabajo autónomo durante la noche o de varios días que antes no era posible. 10. Si estás comenzando una empresa hoy, un profundo entendimiento de un cliente específico importa más que ser bueno construyendo. Construir se está volviendo más fácil. Saber qué construir—y para quién—es la verdadera ventaja ahora.