Entrevistas

Jan Čurn, cofundador y director ejecutivo de Apify – Serie de entrevistas

Antoine Tardif
Añade Unite.AI a tus fuentes preferidas en Google
Jan Čurn, Co-Founder and CEO of Apify
Puntos claveLos agentes alquilarán herramientas existentes cuando construir desde cero cueste más…
Ver más
  • Los agentes alquilarán herramientas existentes cuando construir desde cero cueste más que comprar.
  • Los fallos silenciosos permiten que los agentes resuman con confianza páginas vacías sin notar el problema.
  • Apify pagó a unos pocos cientos de creadores aproximadamente $2M en ganancias netas totales el mes pasado.

Jan Čurn es cofundador y director ejecutivo de Apify, empresa que puso en marcha junto con Jakub Balada en 2015 a través de Y Combinator Fellowship. La necesidad práctica de recopilar anuncios de apartamentos en Praga contribuyó a inspirar el producto original: una herramienta para convertir sitios web en API. Desde entonces, ha guiado su evolución, de una infraestructura de rastreo web a una plataforma de datos web y automatización de navegadores, así como a un mercado de herramientas que los agentes de IA utilizan cada vez más.

Apify ofrece una plataforma de extracción de datos web, automatización de navegadores y herramientas listas para usar llamadas Actors. Los desarrolladores pueden publicar y monetizar sus Actors en el mercado de la plataforma, mientras que empresas y desarrolladores de IA los utilizan para obtener datos web estructurados y automatizar tareas. En esta entrevista, Čurn habla de cómo los agentes descubren y utilizan herramientas especializadas, de la importancia de los datos actualizados y de la fiabilidad, los permisos y los aspectos económicos necesarios para que los agentes trabajen en la web a gran escala.

En 2015, cofundaste Apify con Jakub Balada a través de Y Combinator Fellowship, con el objetivo inicial de facilitar a los desarrolladores la creación de rastreadores web flexibles y escalables. ¿Qué inspiró la idea y cómo ha evolucionado tu visión original durante la última década?

La idea de Apify surgió de un problema que Jakub y yo encontramos personalmente. Estábamos trabajando en un proyecto para un cliente que necesitaba anuncios de apartamentos nuevos en Praga, y las herramientas existentes tenían dificultades con JavaScript dinámico y las estructuras irregulares de los sitios web. Así que creamos nuestra propia herramienta para convertir cualquier sitio web en una API.

Con el tiempo, pasó de centrarse en el rastreo a convertirse en una plataforma de extracción de datos web, automatización de navegadores y datos web. Después abrimos un mercado donde los desarrolladores pueden publicar sus herramientas, llamadas Actors, y recibir pagos cuando otras personas las utilizan. En la actualidad, una proporción cada vez mayor de los usuarios de estos Actors son agentes de IA.

Apify nació como una plataforma de rastreo web mucho antes de que los agentes de IA se convirtieran en un foco importante de la industria. ¿Cuándo te diste cuenta de que la infraestructura que habían creado podía resultar especialmente valiosa para los agentes de IA que necesitan acceder a la web e interactuar con ella?

El primer momento de revelación llegó a principios de 2023, poco después del lanzamiento de ChatGPT. De pronto, se podían incorporar datos web actualizados a una instrucción en vez de entrenar un modelo nuevo. Apify fue una de las primeras plataformas de extracción de datos en ofrecer rastreadores para las incipientes cadenas de RAG e integrarse con nuevas bibliotecas como LangChain o LlamaIndex.

Después llegó la ola de los agentes de IA. Imagina que le pides a un agente que compare el precio de un producto en 20 sitios de comercio electrónico. ¿De dónde obtiene los datos? Ese era el problema que llevábamos años resolviendo para los desarrolladores. Por eso, cuando Anthropic publicó el Model Context Protocol (MCP) a finales de 2024, lo adoptamos de inmediato. Ya teníamos miles de herramientas con una entrada y una salida claras, justo lo que necesita un agente.

El verdadero punto de inflexión llegó a finales de 2025, cuando los modelos alcanzaron la capacidad necesaria para que los agentes realizaran tareas relevantes. Los agentes necesitan herramientas adecuadas y datos fiables, y desde entonces el uso de Apify ha despegado de verdad, acercándose rápidamente a los 100 millones de dólares de ARR bruto.

Apify se ha convertido en una plataforma con más de 90.000 herramientas relacionadas con datos web, extracción, automatización e IA. ¿Qué papel crees que desempeña este ecosistema ahora que los agentes necesitan cada vez más herramientas especializadas, en lugar de depender exclusivamente de las capacidades de un modelo de lenguaje grande?

Sí, los modelos serán capaces de generar desde cero programas cada vez más complejos, pero hay un umbral a partir del cual resulta más eficiente que un agente compre una herramienta existente en vez de crearla desde cero. Ese umbral irá aumentando a medida que mejoren los modelos, pero siempre habrá algunas herramientas para las que tenga sentido vender soluciones preconstruidas, sobre todo si se basan en datos privados y en información contextual difícil de obtener.

A medida que disminuye el costo de crear software y aumenta el número de sistemas y herramientas de software, el principal obstáculo pasa a ser encontrar dónde están las herramientas fiables y valiosas que pueden ayudar a completar una tarea. Y, en lugar de pagar 500 dólares para generar la herramienta adecuadamente, se puede pagar 5 dólares a alguien por alquilar un servicio existente.

A partir de lo que observas en la comunidad de desarrolladores de Apify, ¿cuáles son algunas de las aplicaciones reales más interesantes que se están creando hoy con agentes de IA y qué casos de uso están llegando efectivamente a producción?

Algunos de los ejemplos más interesantes son inusualmente específicos. Hemos visto cómo la IA analiza YouTube, eBay y tiendas japonesas para ayudar a decidir qué cartas Pokémon vale la pena comprar. Una aseguradora utilizó Apify para consultar 55 sitios italianos de obituarios y verificar el fallecimiento de asegurados. En el otro extremo, Canary utiliza Apify para Spotlight, una herramienta que ayuda a los investigadores a encontrar víctimas de trata infantil.

Lo que tienen en común estas aplicaciones es que resuelven un problema concreto y permiten acceder a los datos adecuados, en lugar de recurrir a un agente diseñado para hacer un poco de todo.

Uno de los mayores desafíos para los agentes de IA es acceder a información actualizada y estructurada de los sitios web, en lugar de depender por completo de datos de entrenamiento estáticos. ¿Qué importancia tendrá el acceso a la web en tiempo real a medida que los agentes asuman tareas cada vez más complejas?

Un LLM es una compresión con pérdida de los datos con los que se entrenó. Puede hacer conjeturas muy ingeniosas, pero siguen siendo conjeturas. Cuando se espera que un agente tome decisiones o complete tareas en el mundo real, no puede depender exclusivamente de los datos de entrenamiento. Los precios cambian, los productos desaparecen, la competencia lanza novedades y los sitios web se actualizan constantemente.

El modelo aporta la capacidad de razonamiento, pero muchos agentes necesitan una forma fiable de obtener información actualizada de la web y convertirla en datos estructurados que puedan utilizar a gran escala.

Los entornos web pueden ser impredecibles, con interfaces cambiantes, contenido dinámico, requisitos de autenticación y sistemas contra la automatización. ¿Cuáles son los mayores desafíos técnicos a los que se enfrentan los desarrolladores cuando intentan crear agentes capaces de operar de forma fiable en la web abierta?

Los sitios web modernos pueden devolver JavaScript dinámico, páginas de verificación o contenido incompleto, y los sistemas antibots tienen en cuenta desde la reputación de la dirección IP hasta las huellas del navegador. A menudo, los fallos pasan inadvertidos, así que un agente puede resumir con seguridad una página vacía sin darse cuenta.

Crear algo que funcione una vez es relativamente fácil. Conseguir que siga funcionando en sitios web cambiantes y a escala de producción es mucho más difícil.

A medida que los agentes adquieren la capacidad no solo de recuperar información, sino también de realizar acciones en línea, ¿qué debe mejorar en ámbitos como la fiabilidad, los permisos, la verificación y la supervisión humana para que las empresas puedan confiarles flujos de trabajo más autónomos?

Los permisos cobran mucha más importancia cuando un agente puede actuar, en lugar de limitarse a leer. El agente nunca debería ver tus credenciales, y todos los secretos deben mantenerse fuera de un entorno aislado seguro, sin quedar expuestos al modelo. Hemos estado trabajando en este problema de aislamiento mediante proxy en Actors, en la plataforma de Apify, y también en mcpc, nuestro cliente de código abierto para la línea de comandos (CLI) de MCP.

Los desarrolladores están experimentando con todo tipo de opciones, desde la automatización del navegador hasta las API especializadas y los nuevos protocolos para agentes. ¿Cómo crees que evolucionará la arquitectura de los agentes de IA y cuál será la relación ideal entre modelos, herramientas, fuentes de datos y navegadores?

Creo que las grandes plataformas de agentes, como ChatGPT y Claude, se están convirtiendo en el nuevo sistema operativo: una interfaz principal a través de la cual las personas dan órdenes a los ordenadores, y en la que las herramientas se integran como las aplicaciones en el teléfono. Para las herramientas que se ejecutan en otros entornos, MCP se ha consolidado como el protocolo de interacción estándar.

Cuando un agente necesita datos como las calificaciones y los datos de contacto de restaurantes, puede abrir Google Maps en un navegador y recorrerlo haciendo clic como una persona, un método impreciso y costoso. O puede encontrar y utilizar una herramienta que devuelva datos cartográficos estructurados, lo que resulta más rápido y fiable. El agente principal también delegará tareas, como reservar mesas o buscar vuelos, en subagentes especializados que funcionen con modelos más económicos.

Apify lleva años creando infraestructura para desarrolladores y, al mismo tiempo, un mercado donde desarrolladores externos pueden publicar sus propias herramientas. ¿Podría la IA basada en agentes dar lugar a una economía mucho mayor en torno a herramientas y servicios especializados que los agentes descubran y utilicen de forma autónoma?

Sí, y nuestro mercado ya es una pequeña muestra de ello. Los desarrolladores publican Actors, la gente los utiliza, los desarrolladores cobran y eso atrae a más desarrolladores y más herramientas. Ese círculo virtuoso lleva años funcionando con personas del lado de la compra.

A medida que los agentes de IA asuman más responsabilidades, necesitarán dinero para completar algunas tareas. Imagina que le asignas una tarea a un agente, le das una pequeña billetera y le permites pagar las herramientas que necesite durante el proceso mediante un protocolo de pagos para agentes, como x402 o MPP. El volumen todavía es pequeño, pero creo que, con el tiempo, la mayor parte de la actividad económica se llevará a cabo de forma autónoma entre agentes, con una supervisión humana cada vez menor.

Ahora que Apify inicia su segunda década y los agentes de IA cobran mucha más importancia en el panorama del software, ¿cómo ves la evolución de la empresa en los próximos años y qué crees que todavía le falta al ecosistema actual de agentes?

Cada vez más personas integran Apify en sus agentes, como Claude o ChatGPT, y se dan cuenta de que estas herramientas les permiten realizar más rápido tareas web complejas. La plataforma de Apify y sus Actors se están optimizando para ofrecer una excelente experiencia con agentes, lo que impulsa un mayor uso y gasto.

En el otro lado del mercado, cada vez más creadores de software obtienen ingresos regulares con sus Actors: más de 300 Actors de la comunidad generan más de 1.000 dólares al mes. Tan solo el mes pasado pagamos a unos cientos de creadores alrededor de 2 millones de dólares en ganancias netas en total.

El crecimiento del mercado de Apify se está acelerando, y también nuestra ambición de convertir a Apify en el mercado de herramientas de IA más grande y confiable del mundo, para que las personas y sus miles de millones de futuros agentes puedan realizar tareas en la web.

Gracias por esta excelente entrevista. Los lectores que quieran saber más sobre datos web, automatización del navegador y herramientas para agentes de IA pueden visitar Apify.

Antoine es un líder visionario y socio fundador de Unite.AI, impulsado por una pasión inquebrantable por dar forma e impulsar el futuro de la IA y la robótica. Como emprendedor que ha fundado varias empresas, cree que la IA transformará la sociedad tanto como la electricidad y suele hablar con entusiasmo del potencial de las tecnologías disruptivas y de la inteligencia artificial general (AGI).

Como futurista, se dedica a explorar cómo estas innovaciones darán forma a nuestro mundo. Además, es el fundador de Securities.io, una plataforma centrada en invertir en tecnologías de vanguardia que están redefiniendo el futuro y transformando sectores enteros.