Andrej Karpathy: From Vibe Coding to Agentic Engineering

Puntos clave

1. Fecha estimada. April 2026, conferencia AI Startup School / "AIN" (referencia a que Sam Altman había venido "el año pasado"). Vídeo de YouTube: https://www.youtube.com/watch?v=96jN2OCOfLs
2. Frase de apertura impactante. "He's never felt more behind as a programmer." — una declaración que se volvió viral en X/Twitter y que el entrevistador retoma para abrir la conversación.
3. Punto de inflexión de December 2025. Karpathy estaba de descanso, tenía más tiempo, y notó que "the chunks just came out fine and then I kept asking for more and it just came out fine". Ya no había necesidad de corregir. Insiste: "a lot of people experienced AI last year as ChatGPT-adjacent thing. But you really had to look again and you had to look as of December because things have changed fundamentally."
4. Software 1.0 / 2.0 / 3.0.
5. 1.0. código explícito escrito por un humano
6. 2.0. programación mediante la creación de datasets + entrenamiento de redes neuronales (pesos aprendidos)
7. 3.0. programación = prompting; el contexto es la palanca sobre el intérprete LLM; el LLM se convierte en un computador programable
8. Ejemplo de openclaw (ilustración de Software 3.0). en lugar de un script de shell que se infla para cubrir cada plataforma, la instalación es "a copy-paste of text that you give to your agent". El agente observa el entorno, depura en bucle — más potente que un script preciso.
9. MenuGen → Nanobanana (caso extremo). Karpathy creó MenuGen (foto del menú de un restaurante → OCR + generación de imágenes para visualizar los platos) mediante vibe coding en Vercel. Luego descubre que basta con entregar la foto a Gemini y decir "use Nanobanana to overlay the things onto the menu" — Nanobanana devuelve la imagen original con los platos superpuestos en píxeles. "All of my menu gen is spurious. It's working in the old paradigm. That app shouldn't exist." La red neuronal lo hace todo, el prompt es la imagen, la salida es la imagen. Ninguna aplicación entre ambas. Conclusión de Karpathy: no pensar en la IA como una aceleración del paradigma existente, sino como cosas nuevas hechas posibles.
10. Nuevas posibilidades. LLM Knowledge Bases — "you get LLMs to create wikis for your organization or for you in person". Esto no es código, es una recompilación/reordenamiento de documentos para crear una nueva proyección. "This is not something that could exist before."
11. Extrapolación 2026 (equivalente a la web de los 90, el móvil de los 2010, el SaaS en la nube). Karpathy imagina computadores neuronales donde la red neuronal se convierte en el host process y las CPU en los co-procesadores — un renderizado por difusión de una interfaz única para cada momento, a partir de entrada de vídeo/audio en bruto. "In the 50s and 60s it was not really obvious whether computers would look like calculators or computers would look like neural nets. Of course we went down the calculator path." Esta bifurcación podría revertirse pieza por pieza.
12. Marco de verifiability. ¿por qué los LLM son jagged?
13. "Traditional computers can easily automate what you can specify in code; LLMs can easily automate what you can verify."
14. Los laboratorios de frontera entrenan mediante RL con recompensas verificables → pico en matemáticas/código y dominios adyacentes, rough around the edges en el resto.
15. Combinación: verificable + a los laboratorios les importa (lo que entra en la mezcla de datos según el valor económico).
16. Anécdota del ajedrez GPT-3.5 → GPT-4: una enorme mejora debida a una gran cantidad de datos de ajedrez añadidos intencionalmente al preentrenamiento, no a un progreso general.
17. Consecuencia: se está "slightly at the mercy of whatever the labs are doing". Si se está dentro de un circuito de RL, se vuela. En caso contrario, es necesario el fine-tuning propio.
18. Ejemplo moderno de jaggedness. "I want to go to a car wash to wash my car and it's 50 meters away. Should I drive or should I walk? State-of-the-art models today will tell you to walk because it's so close. How is it possible that state-of-the-art Opus 4.7 will simultaneously refactor a 100,000 line codebase or find zero day vulnerabilities and yet tells me to walk to this car wash? This is insane."
19. Consejo a los fundadores. apuntar a dominios verificables donde se puedan crear entornos/ejemplos de RL propios → el fine-tuning funciona como palanca. "Verifiability remains true even if the labs are not focusing on it directly." Karpathy se niega a revelar un dominio específico en el escenario: "I don't want to vibe post on stage."
20. Sobre lo que NO es automatizable. "Ultimately almost everything can be made verifiable to some extent. Even for writing, you can imagine having a council of LLM judges." Para Karpathy: todo es en última instancia automatizable, solo que con más o menos facilidad.
21. Vibe coding vs Agentic engineering (distinción clave).
22. Vibe coding. = elevar el suelo. Cualquiera puede hacer vibe coding de cualquier cosa. Democratización.
23. Agentic engineering. = preservar el nivel de calidad del software profesional. "You're not allowed to introduce vulnerabilities due to vibe coding. You're still responsible for your software just as before, but can you go faster?"
24. Es una disciplina de ingeniería: coordinar agentes spiky/stochastic para ir rápido sin sacrificar la calidad.
25. El ingeniero 10x queda magnificado. "10x is not the speed up you gain. People who are very good at this peak a lot more than 10x."
26. Sobre la contratación (punto muy accionable). "Most people have still not refactored their hiring process for agentic engineer capability. If you're giving out puzzles to solve, this is still the old paradigm. Hiring has to look like: give me a really big project and see someone implement that big project." Ejemplo: "Let's write a Twitter clone for agents, make it really good, make it really secure, then have some agents simulate activity, and I'm going to use 10 codecs 5.4x for X high to try to break your website. They should not be able to break it." (reformulación de Karpathy de la entrevista Sierra AI-native — corroboración directa de Bret Taylor / Iyengar / Asemanfar / Wang).
27. Habilidades humanas que ganan valor. taste, estética, juicio, supervisión, diseño de la especificación. Los agentes son becarios (interns) — tienen una memoria excelente (detalles de la API de PyTorch / NumPy / pandas que ya no hace falta memorizar: keep_dims vs keep_dim, dim vs axis, reshape vs permute vs transpose), pero se les escapan los fundamentos. Anécdota de MenuGen: el agente intentó cruzar cuentas de Stripe y Google por dirección de correo electrónico en lugar de usar un ID de usuario persistente — "this is such a weird thing to do."
28. El lugar del humano. "You're in charge of the taste, the engineering, the design, that it makes sense, that you're asking for the right things. The engineers are doing the fill in the blanks." Karpathy no es especialmente entusiasta del plan mode en sí, pero cree en un trabajo de especificación detallada codiseñada con el agente.
29. Infarto al leer el código generado. "It's not super amazing code necessarily all the time and it's very bloaty and there's a lot of copy paste and there's awkward abstractions that are brittle and like it works but it's just really gross." Sobre micro GPT: intentó que un LLM lo simplificara, "the models hate this. They can't do it. You feel like you're outside of the RL circuits. It's like pulling teeth." — prueba de que la estética de la simplicidad no está en el RL de los laboratorios.
30. Animals vs Ghosts. "We're not building animals, we are summoning ghosts." Los LLM no son inteligencias animales (gritarles no cambia nada). Son circuitos de simulación estadística: sustrato = preentrenamiento (estadístico), RL añadido encima para hacer crecer los apéndices. Karpathy admite: "I don't know that I have like here are the five obvious outcomes of how to make your system better. It's more just being suspicious of it and figuring out over time."
31. Infraestructura agent-native. "Everything is still fundamentally written for humans and has to be moved around. I still use most of the time when I use different frameworks or libraries... they still have docs that are fundamentally written for humans. This is my favorite pet peeve. Why are people still telling me what to do? I don't want to do anything. What is the thing I should copy paste to my agent?" Visión: descomponer las cargas de trabajo en sensores sobre el mundo / actuadores sobre el mundo. Prueba definitiva: "I would hope that I could give a prompt to an LLM 'build menu gen' and then I didn't have to touch anything and it's deployed." La configuración del despliegue en Vercel/DNS/Stripe fue la verdadera molestia, no el código.
32. Largo plazo. "I'll have my agent talk to your agent to figure out details of meetings." Representación mediante agentes para personas y organizaciones.
33. Fórmula de cierre (sobre educación y conocimiento). "You can outsource your thinking but you can't outsource your understanding." Karpathy: "I still have to somehow information still has to make it into my brain and I feel like I'm becoming a bottleneck of just even knowing what are we trying to build why is it worth doing how do I direct my agents." Defiende las LLM Knowledge Bases como una herramienta para una comprensión aumentada, mediante generación de datos sintéticos sobre un corpus fijo (sus artículos → wiki personal).
34. Conexión con el fichero de veille.
35. Confirma y populariza, con su voz, el paradigma Software 3.0 (cf. Greyling 2026-03-09 "the development environment is collapsing", Rauch 2026-01-02 "CLI as fundamental coding agent abstraction").
36. La distinción vibe coding / agentic engineering cristaliza el debate que viene arrastrándose desde Kent Beck (2024-10), Mogère (2025-07), Yegge & Kim (2025-11), Beck Starving Genies (2026-04-03) — Karpathy aporta el vocabulario estable para la oposición.
37. La refundación de la contratación mediante grandes proyectos adversariales = corroboración explícita de Sierra (Taylor 2026-04-20, Iyengar/Asemanfar/Wang 2026-04-22) y Soto (Developer Taste 2026-04).
38. La verifiability como grilla explicativa de la jagged frontier extiende a Mollick (2025-11-12 Giving your AI a Job Interview) y aporta un marco operativo (crear los propios entornos de RL).
39. Animals vs ghosts. se inscribe en la línea filosófica de las notas sobre el núcleo ontológico (Seale 2025-05-30) y la maleabilidad del mundo (Andreessen 2026-02 / refuta a Ralmuto 2026-03-17).
40. La infraestructura agent-native extiende Cloudflare Markdown for Agents (2026-02-12), Levie Building for Trillions of Agents (2026-03-07), Sierra (2026-04).