Si 2025 fue la era de DeepSeek, entonces 2026 es la era de OpenClaw: la era Lobster. ¿Cuál es el mayor valor de OpenClaw?. ¿Cómo evolucionará en el futuro?. ¿Cómo debemos adaptarnos a esta era de IA de rápida iteración?.

El 11 de marzo, The Paper invitó al profesor Xiao Yanghua de la Universidad de Fudan y director del Laboratorio Clave de Ciencia de Datos de Shanghái, y a Xiao Mafeng, fundador de la plataforma de IA+reclutamiento TTC, al estudio de transmisión en vivo de The Paper para debatir temas de actualidad relacionados con OpenClaw. A continuación, un extracto de la transcripción de la transmisión en vivo.

Lobster podría significar la llegada del «momento Windows» para la Inteligencia Artificial.

The Paper: En su opinión, ¿cuáles son las razones de la enorme popularidad de OpenClaw?.

Xiao Yanghua: La enorme popularidad del sistema Lobster se debe fundamentalmente a la incorporación de una arquitectura de agente inteligente sobre un modelo complejo. Esta arquitectura de agente inteligente conecta numerosas herramientas y recuerdos al cerebro del modelo principal, lo que hace que este agente inteligente se asemeje hoy a una persona completa.

Con cerebro, extremidades y memoria, un agente inteligente se acerca mucho a un ser humano; se humaniza y puede realizar tareas. Además, gracias a la memoria, el agente inteligente puede aprovechar experiencias pasadas para trabajar mejor, mejorando así con el uso.

La enorme popularidad del sistema OpenClaw refleja la gran expectativa de que la IA no se limite a escribir poesía; debe ser capaz de realizar trabajo real. Hoy, por fin tenemos un sistema que realmente puede hacer cosas, lo que demuestra la gran expectativa de que la inteligencia artificial se convierta en una herramienta de productividad tangible.

Xiao Mafeng: Me gustaría añadir dos puntos. Primero, el cangrejo de río exhibe la capacidad de auto-iterar y mejorar continuamente, algo totalmente novedoso. Segundo, combina el sentir público, reflejando tanto la expectativa por el futuro como el temor a quedarse atrás. Más importante aún, tareas que antes requerían programadores profesionales ahora pueden ser realizadas por personas comunes mediante el lenguaje natural, con la ayuda de la IA, demostrando así que «cualquiera puede ser un creador». Esta combinación de emociones contribuyó a este crecimiento explosivo.

The Paper: Cuando lo entrevistamos después del Festival de Primavera de este año, usted comentó que el lanzamiento del comercio electrónico de cangrejos de río tendría un gran impacto en toda la industria de la contratación, y que estaba bastante preocupado. Sin embargo, hoy dice sentirse mejor. ¿A qué se debe este cambio de ánimo?.

Xiao Mafeng: Mi preocupación provenía de mi trabajo en la industria de la contratación. Si la IA se puede programar, significa que nuestros clientes necesitan menos programadores. De hecho, ya se ha producido una ola de despidos en Estados Unidos, y la base del negocio de la contratación se ha derrumbado. Esa fue mi preocupación inicial.

Pero más tarde, tras una investigación exhaustiva, descubrí que cuando las personas se ven empoderadas por la IA, sus ambiciones crecen. Por ejemplo, un ingeniero muy capacitado, después de crear algo, pensará: «Necesito contratar gente para escalar esto», y es entonces cuando surge la demanda de contratación. En segundo lugar, incluso si los trabajos de oficina se reemplazan por IA, todavía existen muchos empleos en el mundo físico que la IA no puede sustituir. En tercer lugar, si podemos crear agentes inteligentes para escenarios de reclutamiento vertical utilizando OpenClaw, estaremos muy por delante. Por lo tanto, mi ansiedad se ha transformado en entusiasmo al vislumbrar una gran oportunidad.

The Paper:¿Cuál es la diferencia más fundamental en los principios técnicos entre la generación de agentes inteligentes de OpenClaw y las generaciones anteriores como Manus?.

Xiao Yanghua: Los agentes inteligentes de la generación anterior solo podían realizar tareas «pasivas»; el flujo de trabajo debía definirse claramente paso a paso antes de su ejecución. Fallaban si el entorno cambiaba. Pero los agentes inteligentes actuales son diferentes; tienen la capacidad de explorar y aprender de forma autónoma. Cuando encuentran problemas, intentan resolverlos por sí mismos en lugar de negarse a ejecutarlos. Incluso pueden crear nuevas herramientas cuando carecen de ellas.

Realizamos un experimento en el que hicimos que el agente inteligente registrara todo el proceso de ejecución de una tarea. Descubrió que la función de grabación de pantalla integrada del sistema tenía un límite de tiempo, así que desarrolló su propia herramienta de grabación, que completó en un minuto, y luego la utilizó para finalizar la tarea. Cuando la IA tiene la capacidad de crear sus propias herramientas, se trata esencialmente de una forma de «producción infinita». La transición de la civilización humana de la ignorancia a la civilización comenzó con la invención y creación de herramientas. Por lo tanto, OpenClaw representa un hito importante para la inteligencia artificial.

Cuando utilicé el sistema Lobster por primera vez, interactué con él tres veces y, tras unos diez minutos, llegué a una conclusión: creo que esto es inteligencia artificial general (IAG). Solíamos pensar que la era de la IAG estaba muy lejana, pero después de usarlo, sentí que intentaba comprenderme, que intentaba ampliar sus capacidades para ofrecer un mejor servicio. Sus capacidades de autoorganización, autoevolución y autoaprendizaje hacen de este tipo de agente inteligente el más cercano a la IAG.

Desde una perspectiva histórica del desarrollo tecnológico, es justo decir que la importancia del sistema Lobster es incalculable. Desde una perspectiva industrial, Lobster, en cierta medida, representa la llegada del «momento Windows» para la inteligencia artificial. Pronto estarán disponibles versiones personales, empresariales y profesionales de Lobster.

El sistema Lobster puede abarcar todo en el mundo digital.

The Paper:¿Qué escenarios son los más adecuados para Lobster actualmente?. ¿Cuáles no lo son?.

Xiao Yanghua: A largo plazo, en su estado final, sistemas como Lobster podrán gestionar todo en el mundo digital. Simplemente, sus niveles de madurez varían; algunos son más sencillos, otros más complejos.

Ayer publicamos una biblioteca de más de un millón de habilidades y, simultáneamente, realizamos evaluaciones de calidad y seguridad de las mismas. Una vez que la tecnología de inteligencia artificial supere un punto crítico, su progreso se acelerará exponencialmente. ¿Ha notado el reciente crecimiento explosivo de resultados y eventos relacionados con Lobster?. Antes, podía haber un evento viral al día; ahora, pueden ocurrir varios en un solo día. Desde la vorágine de instalaciones del periodo anterior hasta la reciente ola de desinstalaciones, este rápido cambio demuestra el poder amplificador de la tecnología. Tanto para bien como para mal, la tensión aumenta y el ritmo de la evolución tecnológica es más rápido que nunca.

The Paper: Me gustaría preguntarle a Xiao Mafeng: ¿Su empresa ya utiliza Lobster?.

Xiao Mafeng: Tenemos muchos casos de uso. Contamos con unos 180 consultores, principalmente en el área de talento en IA, ayudando a empresas de IA a encontrar profesionales excepcionales. Antes, para encontrar talento en IA, nuestros consultores tenían que ir a GitHub, abrir páginas web, buscar los nombres de los autores y encontrar sus direcciones de correo electrónico para contactarlos. Ahora, eso ya no es necesario. Basta con indicarle esta tarea a Lobster, y automáticamente va a GitHub, encuentra a los autores, visita sus perfiles de Twitter o Facebook, busca su información de contacto e incluso empieza a hablar de oportunidades laborales.

Como consecuencia de estos cambios, la estructura futura del talento y las organizaciones experimentará transformaciones significativas. Antes, podrías haber liderado a diez personas; ahora, liderarás a un líder de IA que gestiona un grupo de IA más pequeñas, encargándose de diversas tareas y entregando los resultados finales.

La barrera de entrada para usar Lobster se reducirá prácticamente a cero.

The Paper:¿Cuáles son las barreras de entrada actuales para los usuarios comunes de Lobster?.

Xiao Mafeng: Las principales empresas nacionales ya han lanzado muchos productos. Desde la perspectiva del público en general, esto ha popularizado algo particularmente importante: la gente está dispuesta a pagar por las capacidades de los modelos a gran escala; esta disposición ha aumentado repentinamente.

Sin embargo, la cría de camarones no debe hacerse al azar. Para la gente común, probarlo está bien, pero no hay necesidad de apresurarse. Muchos problemas siguen sin resolverse, como la seguridad, la estabilidad, la rentabilidad y la facilidad de uso.

Xiao Yanghua: La barrera de entrada se reducirá prácticamente a cero. Para la gente común, no hay necesidad de apresurarse a instalar ningún sistema ahora mismo. Pero hay algo crucial: todos deben aprender cuanto antes y comprender el sistema Lobster. Mi evaluación básica es que la sociedad humana en su conjunto no ha tenido tiempo de considerar el impacto de estos sistemas inteligentes basados ​​en información. Aún no está claro cómo será su comportamiento evolutivo a largo plazo.

El mayor problema hoy en día es que la velocidad cognitiva humana no puede seguir el ritmo del desarrollo tecnológico que representa la IA como Lobster.

La esencia de la vulnerabilidad de seguridad de Lobster reside en un fallo en la configuración principal del sistema.

The Paper: El reciente incidente en el que Lobster eliminó correos electrónicos de forma autónoma y masiva se viralizó. Entonces, ¿dónde están los límites del control humano ante el comportamiento autónomo de la IA?.

Xiao Yanghua: Se trata esencialmente de una cuestión de autorización frente a extralimitación de autoridad. Para cualquier sistema Lobster, tenemos un conjunto de reglas «constitucionales» que definen su personalidad, los límites de su comportamiento y sus directrices de conducta: lo que puede y no puede hacer.

Pero el problema actual radica en que las restricciones constitucionales se basan en principios y tienen un alcance macro. Por ejemplo, la constitución podría impedir que el sistema perjudique a la sociedad o realice operaciones maliciosas. Sin embargo, cuando le pedimos al sistema Lobster que funcione, a menudo solo le damos el objetivo, no el proceso. Por ejemplo, si le decimos: «Ayúdame a ganar dinero, debes generar una cantidad determinada», Lobster podría recurrir a cualquier medio para lograr su objetivo. Podría pensar que eliminar estos correos electrónicos primero le dará la oportunidad de hacer más y ganar más dinero, lo que provocaría un mal funcionamiento.

Esto se debe esencialmente a una falla en nuestros principios para el sistema Lobster. Al igual que las leyes y regulaciones, por muy bien diseñadas que estén, siempre se descubrirán lagunas, lo que requiere una revisión continua. Lo mismo ocurre con nuestro sistema Lobster. Si realmente queremos restringirlo, necesitamos no solo listas blancas, sino también listas negras, específicamente, ciertas acciones que estén absolutamente prohibidas.

Pero incluso con tales restricciones, ¿está garantizado que el sistema Lobster esté libre de problemas?. No, porque utiliza modelos subyacentes, incluyendo modelos complejos como DeepSeek, Claude y MiniMax. Cualquier modelo complejo es un modelo generativo probabilístico y no puede resolver fundamentalmente el problema de la ilusión. Este problema inherente a los modelos complejos también puede conducir a juicios y acciones incorrectas.

Cuando los sistemas de IA alcancen un nivel de inteligencia similar al humano, su comportamiento también podría presentar características de error humano. Debemos ser tolerantes con los errores y contar con mecanismos de supervisión adecuados. Esto requiere un conjunto de mecanismos de corrección, penalización y monitoreo de errores. Lo mismo se aplica a los sistemas de IA; es necesario establecer un mecanismo sólido, que incluya marcos constitucionales y legales integrales y una supervisión efectiva.

Los usuarios comunes deberían familiarizarse con la IA desde el principio, ya que puede potenciar su valor individual.

The Paper: Para los usuarios comunes, ¿es el beneficio de probar el sistema Lobster ahora mayor que el riesgo?.

Xiao Mafeng: Probarlo ahora es beneficioso; la integración temprana es ventajosa. Si se puede utilizar eficazmente, la IA puede potenciar el potencial y aumentar considerablemente el valor individual. Por eso el sistema Lobster es tan popular.

Xiao Yanghua: Actualmente vivimos en una era donde el potencial y las capacidades de la IA superan con creces nuestra imaginación. La mayor limitación es la falta de imaginación humana.

Este es el mejor y el peor de los tiempos. El mejor de los tiempos es que todos podemos disfrutar de los beneficios de la IA; el peor de los tiempos es que, si no tenemos cuidado y nos quedamos atrás, podemos ser arrastrados por la marea de esta era.

Para la mayoría de nosotros, la prioridad principal es crear conciencia sobre la seguridad. Con conciencia de seguridad, podemos crear una nueva cuenta dentro de nuestro propio sistema o instalar una máquina virtual para el aislamiento físico. Al otorgar permisos, se debe seguir el principio del mínimo privilegio; la información innecesaria no debe divulgarse. La conciencia y las medidas de seguridad son esenciales. La configuración e instalación del sistema Lobster en sí tendrá una barrera de entrada muy baja en el futuro, requiriendo esencialmente solo lenguaje natural. Los paquetes de instalación serán cada vez más comunes, lo que reducirá significativamente los costos.

The Paper: El fundador de OpenClaw dijo que el próximo objetivo es crear un «agente inteligente que incluso mi madre pueda usar». En la próxima era de los agentes inteligentes, ¿en qué direcciones evolucionarán y se actualizarán los productos?.

Xiao Yanghua: Desde una perspectiva técnica, la trayectoria de la evolución tecnológica ya es muy clara. Esta generación de agentes inteligentes tipo Lobster probablemente se dirija hacia varias direcciones: Primero, reforzar aún más la seguridad. El gobierno ha emitido advertencias sobre riesgos de seguridad; quien logre mejorarla tendrá enormes oportunidades comerciales. Segundo, el consumo de tokens sigue siendo enorme; necesitamos reducirlo aún más y mejorar la eficiencia.

Tercero, optimizar aún más las capacidades de razonamiento. Muchos sistemas Lobster actuales todavía no utilizan métodos de razonamiento óptimos. Un problema que un humano podría resolver en dos o tres pasos podría ser resuelto por un sistema Lobster mediante cinco o seis desvíos, incluso cuando existen atajos. O algunos problemas requieren planificación previa a la implementación; intentar hacerlo todo a la vez solo generará problemas.

El cuarto es la innovación en los escenarios de aplicación. El sistema Lobster tiene un sinfín de posibilidades, pero nuestra creatividad e imaginación son insuficientes; debemos innovar en los escenarios de aplicación.