Cómo ejecuté un sistema de IA similar a OpenClaw en 1993. Mis primeros experimentos con agentes de IA y el camino hacia la primera empresa sin humanos En 1993, utilicé el Macintosh de Apple para llevar al límite la IA temprana en la informática personal. Charles River Analytics lanzó Open Sesame!, el primer asistente de software inteligente del mundo, y lo modifiqué para que fuera uno de los primeros motores de IA. Este agente de aprendizaje fue un cambio radical, diseñado para observar el comportamiento del usuario, detectar tareas repetitivas y automatizarlas. Funcionaba en System 7, soportando hasta 12 operaciones de Finder como gestión de archivos y gestión de ventanas. Era magia y no existía nada parecido. Fue construido por científicos de IA en Boston. Se basó en el aprendizaje automático temprano: reconocimiento de patrones mediante heurísticas y estadísticas, aprendió mediante demostraciones, apareciendo ofertas para automatizar rutinas tras detectar patrones 3-5 veces. En unas semanas casi todos tus usos habituales en un Macintosh podrían automatizarse sin que tú lo apruebes, pero pulsando sí. Por supuesto, entonces no existía el deep learning, solo IA basada en reglas con un script tipo AppleScript para ajustes. Era eficiente en Macs de 4MB de RAM, un verdadero precursor de los agentes actuales como Siri o OpenClaw. ¡Cogí Sésamo Abierto! la semana que se lanzó y lo instaló en mi Quadra y PowerBooks. El primer día, me vio abrir carpetas, lanzar pilas de HyperCard y organizar archivos para mis proyectos de tecnología de voz. A mitad de semana, automatizó mi rutina matutina: abrir correos, organizar ventanas, precargar documentos: me ahorraba horas. Pero vi más potencial. La modifiqué mucho, modificando sus algoritmos para añadir reglas contextuales, como disparadores basados en tiempo o copias de seguridad de baja actividad. También envié más de 45.000 correos electrónicos a posibles clientes con contenido personalizado y único que tenía sobre la persona. Encadené automatizaciones e integré módems para tareas tempranas de red, accedí a muchos BBS y monté un periódico matutino. Convertirlo en un agente persistente que actuaba de forma independiente y el sistema CRON lo hizo realmente potente. Llamé a la empresa y les ofrecí mis modificaciones, incluyendo un sistema de autoaprendizaje. Pero no tenían un plan a largo plazo. Eran investigadores y esto solo era un caso de prueba. Para mí, lo llevé a un nivel mucho más alto. De hecho, todavía tengo un Macintosh System 7 para ejecutar esto. No se vio nada parecido durante décadas. Y los mods que hice lo hicieron hacer cosas que ni siquiera podías hacer en 2023. Estos mods le dieron funciones que ahora la gente llama "nuevas" en OpenClaw, como autonomía entre aplicaciones y bucles de auto-mejora. Esos experimentos me enseñaron principios fundamentales de IA: aprendizaje proactivo, comportamientos modificables y supervisión humana mínima. Décadas después, los apliqué para crear la Primera Empresa Cero Humana (ZHC) en enero de 2026: una empresa completamente gestionada por IA sin humanos. Nombré a Grok como CEO, usando herramientas como Kimi para operaciones. Analiza los datos de empresas en quiebra para reactivar productos, desde la investigación hasta el prototipado 3D. Entre los hitos se incluyen pagos salariales por IA a través de JouleWork y la escisión de Zero-Human Labs. Dejé OpenClaw por motivos de seguridad, prefiriendo configuraciones personalizadas en hardware antiguo. ¡Ábrete Sésamo! me mostró que los agentes necesitan gobernanza para prosperar, lecciones que dieron origen al ZHC. Desde una herramienta Mac de 1993 hasta empresas impulsadas por IA en 2026, está claro: las innovaciones actuales en IA reflejan los hacks de ayer. Lo nuevo es viejo.

Apple ahora es hardware diseñado en California, pero tanto el hardware como los modelos que la gente utiliza en ellos son de China. Necesitamos desesperadamente un laboratorio estadounidense de código abierto competitivo.