Luis Héctor Chávez es el CTO de Replit, la plataforma para crear software con IA que usan más de 30 millones de personas y que hoy vale 9.000 millones de dólares. Es mexicano y dirige toda la ingeniería de una empresa que pelea el futuro del software contra OpenAI y Anthropic.
Es la segunda vez que viene al podcast. Grabamos hace exactamente un año, y su forma de describir ese periodo es que siente haber estado en cinco empresas distintas dentro de Replit.
Su tesis más directa: la diferenciación no está en el modelo, está en el harness. Y su ambición no es resolverte la parte técnica del negocio, es resolverte el negocio entero.
Estructura y Highlights Clave
Un Año que se Sintió como Cinco Empresas
- Cada vez que hacen benchmarking contra otras empresas necesitan una segmentación aparte, porque no se comparan con lo que le tocaría a una empresa tradicional en esa etapa
- Los procesos de ingeniería de software se están cayendo a pedazos: la secuencia de fases ya no se puede seguir
- Su cronología del problema: hace un mes era que había tanto código que no se podían hacer buenos code reviews. Ahora ya ni se lee el código
- El estado actual: hay tantos cambios que ya ni siquiera saben qué está pasando
- Su expectativa: en dos o tres meses la conversación será otra
- Lo que sobrevive de lo viejo: ciertos procesos de ingeniería industrial siguen formando el pensamiento. Todo lo demás lo están tirando
Sobre si la Velocidad Es Sostenible
- Su analogía favorita: la instalación de paneles solares, donde cada año el organismo que lleva las estadísticas proyecta el fin de la fase exponencial y se equivoca por un orden de magnitud
- Lo mismo ve en las curvas de capacidades de los modelos
- El patrón que observa: cada vez que dicen que hace falta un breakthrough nuevo, aparece uno con el siguiente modelo
Horizontes de Planificación Distintos por Equipo
- Infraestructura tiene roadmaps de seis a nueve meses, porque si las VMs no funcionan nada funciona
- Lo que están lanzando hoy empezó en septiembre u octubre del año pasado
- Enterprise se planifica por trimestres, muchas veces atado a lo que entregue un partner
- Producto no puede planificar más de dos o tres meses
- Modelos: hay dos semanas de rumores y dos o tres días reales para ajustar el harness antes de que salga
Lo que se Volvió Más Pesado
- El volumen de cambio simultáneo, con más ingenieros y más agentes por ingeniero
- Lo que antes tomaba meses ahora toma semanas, con proof of concepts en días
- Y no son parches: son reimplementaciones completas desde cero, tres intentos seguidos si hace falta
- La analogía del radiólogo que trae Enzo: la IA se quedó con los casos fáciles y los radiólogos se queman porque solo les quedan los difíciles
- Su confirmación: la IA resuelve por completo el trabajo de un ingeniero junior si se lo desglosas, y cuando tienes que involucrarte es porque llegaste al límite
Lo que a los Modelos les Falta
- Les falta taste. Son muy buenos coloreando por números cuando les das el caparazón
- Con tareas ambiguas encuentran cómo hacerlas, aunque no de la forma más elegante ni eficiente
- Funcionan mejor cuanto mejores sean los objetivos, los guidelines y las herramientas de feedback
- Donde se rompen: lo subjetivo. Su ejemplo, cómo cuantificas que algo sea ergonómico
- Un elogio concreto a Fable: es bueno detectando sutilezas raras y decidiendo si fueron intencionales o si son errores
Por Qué Apuestan al Harness y no al Modelo
- Usan una mezcla de modelos y evalúan continuamente cuál para cada objetivo
- Toda su innovación está en el harness: que las plantillas jueguen bien con los priors del modelo y que las herramientas funcionen dentro de Replit
- El concepto que persiguen: el pit of success, encaminar tanto al modelo que tenga que salirse mucho del carril para equivocarse
- Cómo se mueven a medida que mejoran los modelos: hacia arriba en las capas de abstracción
- El antes y el después: antes cuidaban vulnerabilidades comunes como SQL injection, hoy resuelven que la lógica de negocio no permita accesos indebidos
Modelo Caro Contra Modelo Barato
- El tradeoff aparente es velocidad y dinero contra calidad
- Lo que observaron: cuando aparece un error, los agentes lo acumulan. No tienes un error, tienes diez o quince
- El resultado contraintuitivo: Opus le ganaba a Sonnet en costo total, porque resolvía el problema en una pasada en vez de diez
- El matiz: si tu caso de uso es muy específico la ecuación cambia, y programar de propósito general es más difícil de optimizar
- La comparación con lo legal: ahí existe case law y criterios más claros. En código, traducir requerimientos de negocio tiene cientos de miles de opciones válidas
Resolver el Negocio, no Solo el Código
- Desde el principio la tirada fue entregar la aplicación completa: deployment, seguridad, dominio, TLS
- Hacia dónde va: no que llegues con una idea de negocio y Replit resuelva la parte técnica, sino que resuelva el negocio entero
- La lista que enumera: crear la aplicación, el contenido de marketing, los videos para redes, el flywheel, correr los experimentos, dar mantenimiento
- Sobre la idea de graduarse a otras herramientas: no quieren que exista esa percepción, y ya tienen clientes en millones de ARR que no sintieron la necesidad
- Cuando hay requerimientos legales o técnicos específicos, adaptan la plataforma en vez de dejar ir al cliente
El Problema de Identidad y Permisos de los Agentes
- Las empresas tienen respuestas maduras sobre gobernanza de datos: quién accede a qué, con una política en algún sistema
- Con agentes eso está casi imposible, y las tecnologías actuales no están funcionando
- Hay cinco o seis propuestas para dar identidad a los agentes y ninguna se está adoptando a la velocidad necesaria
- La diferencia de fondo que señala Enzo: un empleado tiene un contrato y consecuencias, y un agente no tiene accountability
- El problema con estándares abiertos como OAuth: los permisos son demasiado amplios, puedes escribir todos los correos o ninguno, sin matices
- Lo que Replit quiere hacer distinto: que un modelo de autorización evalúe el alineamiento entre la acción, la política escrita y lo que pidió el humano
- El objetivo práctico: reducir cuántas veces hay que interrumpir al usuario para pedir permiso
- Lo que están construyendo: una rearquitectura completa con una capa de autorización más granular, que respete el SSO, SCIM e IDP que ya tenga el cliente, para no crear shadow IT
Los Agentes Ya Corren Todo el Día
- Su corrección a la pregunta: no es que vayamos hacia allá, ya está pasando
- Lo común hoy: alguien te dice que tiene 300 agentes corriendo, sin saber cuántos son útiles
- En Replit ya tienen feedback loops que se cierran solos internamente, como experimento para convertirlo en producto
- Qué casos justifican el gasto: problemas de optimización con objetivo medible. SEO, pruebas A/B, campañas en redes
- Su forma de acotarlo: le das un objetivo y un límite de gasto, y corre hasta cumplirlo
Quién Compra Dentro de la Empresa
- A diferencia del software tradicional, esto es transversal y no pertenece solo al CIO
- A veces llega IT sin presupuesto, a veces producto sin criterio de seguridad, a veces todos los departamentos a la vez
- Su lectura conjunta con Enzo: las empresas todavía están descubriendo cómo se compra inteligencia artificial
- El cliente distintivo de Replit no es el desarrollador: son producto, operaciones, marketing y datos, que antes dependían del CTO para herramientas internas
- Lo que buscan para este año en marketing: que puedas ejecutar tus ideas sin permisos, sin gatekeepers ni cola de priorización
Por Qué Git Es la Primitiva Correcta
- Al lanzar el agente 4 modelaron las tareas usando ramas de Git, permitiendo clonarse entre 4 y 64 veces según el plan
- La razón de fondo: los modelos fueron entrenados en repositorios, así que lo que no se parezca a uno los pierde
- Replit no modela un repositorio, es un repositorio, y solo le añadieron forking, cloning y pushing
- La experiencia que cuenta Enzo: su agente en un repo tiene más autonomía con instrucciones a medias, mientras que en Notion había que repetirle todo
- El problema que viene: GitHub tiene problemas de escalabilidad, porque Git se diseñó para el kernel de Linux y hoy se excede eso por órdenes de magnitud
- Y ese diseño asumía humanos, no agentes, con una tasa de escritura inmensa
- Su observación: esa semana salieron cuatro o cinco apuestas distintas, señal de que falta una primitiva
El Software Factory
- Su forma de pensar la programación desde antes de Replit: un problema de constraint satisfaction, donde cada restricción parte el espacio de soluciones
- Por qué encaja ahora: a los agentes también les sirve poder medir si están dentro o fuera de ese bounding box
- La diferencia entre decirle una regla y darle un mecanismo para medirla
- Por qué lenguajes como Rust ayudan: el compilador da la prueba matemática del error y adelanta la verificación en el proceso
- Lo que cambió en el trabajo del ingeniero: antes se bosquejaba y se pensaba la lógica de negocio después. Ahora hay que pensarla de antemano
- Su principio: adivinar es malo, y en muchos casos el agente debería estar preguntando
- Lo que se aprende con la práctica: qué requerimientos se pueden subespecificar y cuáles hay que especificar en detalle
- El concepto de mayor palanca: darle al modelo un oráculo para verificar su propio trabajo
- Sus ejemplos: Anthropic reemplazando GCC con un test set claro, o buscar vulnerabilidades donde existe la bandera de capture the flag
Sobre el Ingeniero 100X
- Su matiz sobre el power law: en una población de ingenieros, el más prolífico está un orden de magnitud sobre el segundo
- Lo que hace la IA es acelerar cualquier proceso, multiplicando ese factor
- Lo que ya observa: los ingenieros que eran buenos y además usan bien la IA son aún mejores
- Dónde espera lo mismo fuera de la ingeniería: matemáticas, optimización y bioingeniería
- La lectura de Enzo: lo que multiplica no es hacer más, es diseñar el feedback loop, y para eso hacen falta las evaluaciones
Qué Espera en 12 Meses
- Está casi seguro de que habrá otro breakthrough, sin saber si será de capacidades o de costos
- Lo que le parece probable: que saturen alguno de los benchmarks actuales, llegando al 100%
- Lo que eso implica: tener que inventar una métrica nueva
- Lo que sigue sorprendiéndolo: no el avance en sí, que ya esperaba, sino sentirlo
- Sobre si dejará de programar: lo que lo atrajo sigue intacto, poder expresar una idea abstracta y manifestarla. Cambió el mecanismo, no los patrones
Glosario Silicon Valley
| Término | Qué significa | Contexto en el episodio |
|---|---|---|
| Harness | La capa que envuelve al modelo y define cómo se usa | Donde Replit concentra toda su innovación |
| Pit of success | Diseñar el sistema para que el camino fácil sea el correcto | Su objetivo al encaminar al modelo sin llenar de guardrails |
| Guardrails | Restricciones que impiden que el modelo se salga del carril | Cada vez menos necesarios a medida que mejoran los modelos |
| Constraint satisfaction | Encontrar soluciones que cumplan todas las restricciones | Su modelo mental de la programación, que ahora aplica a los agentes |
| Bounding box | El espacio delimitado por las restricciones | Lo que hay que hacer medible para que el agente sepa dónde está |
| Oráculo | Un mecanismo que verifica si el trabajo está bien | Lo que él considera de mayor palanca al construir un harness |
| Integración vertical | Cubrir toda la cadena en vez de una parte | Su respuesta a por qué el usuario no necesita graduarse |
| Shadow IT | Herramientas usadas sin aprobación del área de sistemas | Lo que quieren evitar acoplándose al SSO y al IDP del cliente |
| SSO, SCIM, IDP | Estándares de identidad y aprovisionamiento corporativo | Lo que respetan para que IT no tenga que reemplazar nada |
| Tokenomics | La economía del consumo de tokens | Su punto sobre incentivos desalineados con los proveedores de modelos |
| Power law | Distribución donde unos pocos concentran casi todo | Su matiz sobre el ingeniero 10X y el 100X |
| Saturar un benchmark | Llegar al 100% en la métrica con la que se mide | Lo que espera que ocurra en los próximos 12 meses |
Personas, Empresas y Referencias
Personas Mencionadas
- Luis Héctor Chávez: CTO de Replit
- Amjad Masad: CEO de Replit
- Greg Brockman: citado por la frase de que el modelo ya no es el producto
- Andrej Karpathy: por su idea del ingeniero 100X
- Enzo Cavalie: host del podcast
Empresas y Organizaciones
- Replit: 30 millones de usuarios, valoración de 9.000 millones
- Anthropic y OpenAI: los competidores con sus propios harnesses, Claude Code y Codex
- Lovable, Factory: el resto del campo de coding agents
- GitHub: la primitiva que se está quedando corta para agentes
- Supabase: el ejemplo de que muchas elecciones convergen a Postgres
- Micron: la acción de la cadena de suministro que Enzo compró y vendió temprano
- Perplexity: citada por el argumento de ser orquestador y no modelo
Datos y Referencias
- 30 millones de usuarios y 9.000 millones de valoración
- Entre 4 y 64 clones de agente según el plan de pago
- 300 agentes corriendo: la cifra que le repiten las empresas sin saber cuántos sirven