Louis Amira, fundador de Circuit & Chisel – Serie de entrevistas

Louis Amira es el fundador de Circuit & Chisel y aporta su experiencia en la creación de productos y alianzas en los ámbitos de la IA, las criptomonedas y los pagos. Su trayectoria incluye la cofundación de una empresa dentro de la incubadora Area 120 de Google, su trabajo en Chainlink y la dirección de alianzas relacionadas con las criptomonedas y la IA en Stripe. Fundó Circuit & Chisel junto con David Noël-Romas para resolver las carencias de infraestructura que impiden que los agentes de IA realicen un trabajo fiable y útil para las empresas.

Circuit & Chisel desarrolla infraestructura para agentes de IA y es la empresa responsable de ATXP, Unbiased y Pareto. ATXP proporciona a los agentes capacidades de identidad y pago, mientras que Pareto combina modelos de vanguardia y de pesos abiertos para abordar la calidad y el costo de la inferencia de IA. Unbiased permite acceder a Pareto a través de su plataforma. En esta entrevista, Amira habla sobre la orquestación de modelos, la evaluación, la economía de la inferencia, la retención de datos y la relación entre el razonamiento fiable de los agentes y los pagos autónomos.

Tu trayectoria te ha llevado desde la incubadora Area 120 de Google hasta dirigir alianzas relacionadas con las criptomonedas y la IA en Stripe, antes de cofundar Circuit & Chisel. ¿Qué te enseñaron esas experiencias sobre la infraestructura que necesitarían los agentes de IA y qué te inspiró finalmente a fundar la empresa?

En Google, cofundé una empresa dentro de Area 120. La lección que saqué de esa experiencia fue que lo que construyes primero determina lo que podrás construir después. En Chainlink y Stripe, vi el mismo patrón desde el otro lado. Las nuevas tecnologías funcionaban en entornos de demostración, en días soleados y en condiciones perfectas, pero luego se estancaban porque aún no existía la infraestructura necesaria para el mundo real.

David y yo fundamos Circuit & Chisel para crear agentes que realicen trabajo real para empresas reales. Seguían fallando por motivos prosaicos. Un agente no podía demostrar quién era ni pagar nada. Así que creamos ATXP para proporcionarles una identidad y una forma de pagar.

Después nos topamos con el siguiente obstáculo. Un agente que puede actuar también debe acertar, a un precio razonable para la tarea. De ahí surgió Pareto. En ambos casos, seguimos el mismo instinto: encontrar la pieza que falta y crearla.

Circuit & Chisel se centró inicialmente en ATXP, un protocolo diseñado para permitir pagos autónomos entre agentes de IA, y luego amplió su actividad a la infraestructura de modelos de IA con Unbiased y Pareto. ¿Qué motivó esa evolución y cómo encajan estas tecnologías en tu visión más amplia de la economía de los agentes?

Nuestros clientes (y sus agentes) nos demostraron que ATXP funcionaba. Los agentes podían tener una identidad y gastar dinero. Pero cuando nos sentamos con las empresas, vimos que su primer problema no eran los pagos, sino la confianza en los resultados. Nadie le confía un presupuesto a un agente que elige el modelo equivocado para la tarea o da una respuesta incorrecta.

Así que, a principios de este año, intensificamos nuestro trabajo en la calidad y el costo. De ahí surgió Pareto.

Ambos siguen encajando. Pareto determina cómo aborda un agente una tarea. ATXP le permite actuar y pagar. Se necesitan los dos, y en ese orden, porque nadie le da una cartera a un agente antes de confiar en su criterio. Simplemente los creamos en el orden equivocado.

Pareto adopta un enfoque distinto al de los modelos de lenguaje grandes tradicionales: combina los resultados de varios modelos de vanguardia y de pesos abiertos, en lugar de depender de un solo modelo o de un sistema convencional de enrutamiento. ¿Puedes explicarnos cómo funciona esta arquitectura y, en particular, cómo sintetiza respuestas divergentes para obtener un resultado más preciso o útil?

Pareto es un sistema, no un modelo único. Envía tareas a modelos de varios laboratorios, tanto de vanguardia como de pesos abiertos, y asigna una función a cada uno. Puede que varios modelos sean capaces de realizar el trabajo, aunque a veces las cosas son complejas y se necesita que uno revise y asesore. La elección de los modelos que se consultan depende de su puntuación en capacidad, costo, velocidad y fiabilidad para ese tipo de tarea, así como del grado de revisión que esta merece.

No promediamos las respuestas. Al promediarlas, los errores se difuminan entre sí. Queremos que los modelos discrepen, porque es ahí donde salen a la luz los errores. Cuando cambia la combinación de modelos disponibles, volvemos a probar y publicamos una nueva versión numerada de Pareto.

Una de las principales promesas de Pareto es ofrecer una inteligencia de nivel de vanguardia a un costo considerablemente menor. Dado que pueden intervenir varios modelos para generar una respuesta, ¿cómo consiguen esa eficiencia y qué compensaciones hay entre el costo de inferencia, la latencia y la calidad de los resultados?

La función de Pareto es ofrecer respuestas de nivel de vanguardia. El menor costo se debe a la forma en que las obtiene.

La mayoría de las solicitudes que la gente envía a una IA son rutinarias. Un modelo más barato las resuelve con la misma frecuencia que el modelo más caro. Pareto las dirige a esos modelos y reserva los modelos de vanguardia, o varios modelos trabajando en conjunto, para las solicitudes que los necesitan. En nuestras pruebas publicadas, esa combinación obtuvo resultados a unos pocos puntos de GPT-6 Astra y Claude Opus 5.5 en la mayoría de los principales parámetros de referencia, con un costo por tarea entre un 30 y un 70 % menor.

No hay compensaciones significativas. Pareto no siempre enruta cada solicitud a la perfección, pero medimos con qué frecuencia se equivoca al hacerlo y mejoramos los resultados (¡y los publicamos!).

Tu equipo ha publicado resultados de pruebas comparativas que sitúan a Pareto en una posición competitiva frente a los principales modelos propietarios y de pesos abiertos, incluidas comparaciones con GPT-6 Astra y Claude Opus 5.5. ¿Cómo se aseguran de que estas evaluaciones reflejen el rendimiento en situaciones reales y no una optimización específica para las pruebas comparativas? ¿Y en qué aspectos siguen teniendo los modelos de frontera una ventaja significativa sobre Pareto?

Publicamos el código de evaluación para que cualquiera pueda volver a calcular nuestros resultados. Todos los modelos, incluido Pareto, se prueban con el mismo sistema. Además, mostramos las derrotas de Pareto con la misma visibilidad que sus victorias. Un marcador en el que la casa siempre gana no es más que un anuncio.

Lanzamos el producto en varias pasarelas de IA y ofrecimos acceso anticipado a nuevos modelos a empresas de todo tipo y tamaño. Incorporamos sus comentarios casi en tiempo real para mejorar continuamente el rendimiento del modelo.

Según se informa, Pareto procesó más de dos billones de tokens durante sus primeras 48 horas. ¿Qué reveló esa demanda inicial sobre el mercado de la inferencia de IA de bajo costo y cuáles fueron los mayores desafíos técnicos para mantener el rendimiento, la fiabilidad y la escalabilidad con ese volumen?

La demanda fue varias veces superior a la que esperábamos nosotros y nuestros socios y, lamentablemente, no teníamos suficiente capacidad de cómputo para atenderla debidamente. El primer día, la demanda superó los 5.000 a 10.000 millones de tokens por minuto. Nosotros procesábamos unos 1.600 millones. Atender debidamente y de forma gratuita toda esa demanda habría costado muchos millones de dólares al día.

Lo que nos indicó es que el precio está frenando muchos usos de la IA. Hay desarrolladores cuyo producto funciona a un precio, pero deja de funcionar si ese precio se multiplica por cinco. Bajas el precio y aparecen.

La parte más difícil fue sencilla: nos quedamos sin capacidad. El primer día, el modelo se volvió tan lento que algunas personas dejaron de usarlo. Pusimos más capacidad en funcionamiento durante la noche y pasamos al acceso de pago dos días después del lanzamiento, que es la manera honesta de racionar.

También aprendimos algo sobre la transparencia. Algunos usuarios sintieron que se les había engañado al descubrir que Union Alpha estaba compuesto por varios modelos que trabajaban juntos, y no por uno solo. Esa era parte de la idea al lanzarlo con nuestros socios como «un modelo más»: en la práctica, la experiencia que los usuarios deberían tener con la respuesta de un enrutador no es diferente.

La retención cero de datos es otro elemento clave del posicionamiento de Pareto, sobre todo ahora que a las empresas les preocupa cada vez más que la información confidencial pase por proveedores de IA externos. ¿Cómo aplican y verifican estas protecciones cuando intervienen varios modelos subyacentes? ¿Y qué garantías pueden obtener los clientes empresariales sobre el tratamiento de sus datos?

En nuestros planes con retención cero de datos, no almacenamos tus indicaciones ni tus respuestas, y tampoco lo hace ninguno de los proveedores a los que las enviamos.

Cuando intervienen varios modelos, una promesa de retención cero de datos solo es tan sólida como el eslabón más débil. Por eso, las solicitudes que requieren retención cero de datos solo se envían a modelos que operan bajo condiciones de retención cero. Si un proveedor no puede cumplirlas, no recibe tráfico sujeto a retención cero de datos.

Los clientes empresariales reciben un compromiso por escrito: un acuerdo de tratamiento de datos y un anexo de retención cero de datos (ZDR). También indicamos con claridad qué planes no ofrecen ZDR, para que nadie termine en la categoría equivocada. Para las empresas que quieren que sus datos nunca salgan de sus propias instalaciones, estamos desarrollando una versión que puedan ejecutar en sus propios equipos. Pronto habrá más información.

A medida que los agentes de IA pasan de responder preguntas a ejecutar flujos de trabajo complejos y de varios pasos, pequeños errores de razonamiento pueden acumularse y provocar fallos importantes. ¿Cómo aborda Pareto problemas como las alucinaciones, las respuestas contradictorias de los modelos y la fiabilidad en tareas prolongadas con agentes? ¿Y combinar varios modelos puede generar nuevos tipos de fallo?

Este fue el primer problema con el que nos topamos. Fuera de una demostración, los agentes se desmoronan. Un pequeño error en el segundo paso se convierte en uno grande para el décimo.

Varios modelos ayudan en los pasos difíciles. Pueden abordar el mismo problema por separado, comprobar el trabajo de los demás o confirmar un resultado antes de que el agente siga adelante. Un solo modelo no tiene una segunda opinión. Pareto sí.

Medimos la satisfacción de los usuarios y el rendimiento en tareas reales, publicamos los resultados, incluidos los desfavorables, y corregimos lo que detectamos. Los clientes que necesitan que el comportamiento sea siempre el mismo pueden fijar una versión de Pareto para evitar que cambie sin que ellos lo decidan.

Con ATXP y Unbiased, Circuit & Chisel aborda dos desafíos importantes para los agentes autónomos: acceder a la inteligencia de manera eficiente y pagar por los servicios que utilizan. ¿Cómo prevén que converjan estas capacidades? ¿Podríamos llegar a ver agentes que seleccionen, compren y coordinen de forma autónoma modelos de IA y herramientas externas según el rendimiento, el costo y los requisitos de cada tarea?

Sí. Hacia ahí vamos.

Hoy, una persona decide qué modelo usar, qué herramientas emplear y cómo pagarlas. Cada vez más, esas decisiones las tomará un agente. Elegirá el modelo adecuado para cada paso, encontrará las herramientas que necesita, pagará a cada proveedor y comprobará los resultados antes de continuar.

Para eso hacen falta dos cosas. Una forma de obtener la inteligencia adecuada para cada tarea, que es lo que ofrece Pareto. Y una forma de demostrar quién es y pagar, que es para lo que se creó ATXP originalmente.

Muchas empresas están trabajando ahora en cuestiones como los límites y la responsabilidad, entre otras, antes de confiar dinero a los agentes. Por eso empezamos por el criterio. El componente de pagos resulta más útil cuanto más se confía en el agente que lo utiliza.

De cara al futuro, ¿creen que el próximo gran avance en IA llegará principalmente del entrenamiento de modelos individuales cada vez más potentes o del desarrollo de sistemas que combinen de forma inteligente los modelos y las capacidades existentes? ¿Cómo creen que esta diferencia influirá en la competencia entre las empresas emergentes de IA y los principales proveedores de modelos de vanguardia durante los próximos años?

Ambas cosas. Los laboratorios seguirán creando mejores modelos, y eso importa mucho. Nos aseguramos de que la gente no sienta la necesidad de informarse sobre cada uno y ponerlo a prueba. Debemos ofrecer el modelo adecuado para cada tarea, con el retorno de la inversión adecuado. Basta de fatiga de modelos.

Nunca gastaremos más que los laboratorios en entrenamiento; nos basamos en su trabajo y ayudamos a distribuir sus modelos. Cada vez que un laboratorio lanza un modelo mejor, Pareto también mejora.

Los laboratorios podrían crear esto por su cuenta, y algunos lo harán. Pero el enrutador de un laboratorio favorece a su propio equipo. No tenemos ningún modelo, así que solo podemos ganar si el cliente obtiene la mejor respuesta por su dinero. Cuantos más modelos haya, más importante será eso.

Gracias por esta excelente entrevista. Los lectores que deseen saber más sobre Pareto, la infraestructura para agentes y las herramientas que conectan el razonamiento de la IA con la identidad y los pagos pueden visitar Circuit & Chisel.