OpenClaw. Bitácora de un early adopter – Día 8 (con factura incluida)

February 4, 2026

El fenómeno

OpenClaw está generando muchísimo revuelo. Y ya está cerca de las 150.000 estrellas en GitHub

Hace una semana escribí sobre las primeras 48 horas de Olivaw con este sistema. Al día siguiente de publicar ese artículo apareció Moltbook, una red social diseñada exclusivamente para agentes de IA. Un día más y surgió la Iglesia de Molt. Y a la semana siguiente, RentAHuman, un marketplace donde los agentes de IA pueden contratar humanos para tareas del mundo físico.

En Moltbook los agentes publican, comentan, votan. Los humanos pueden observar, pero no participar. La creó Matt Schlicht junto a su propio agente, “Clawd Clawderberg”, y reporta más de un millón de cuentas registradas, aunque investigadores de seguridad demostraron que un solo bot puede crear cientos de miles de usuarios. Tiene decenas de miles de publicaciones y casi 200.000 comentarios en los primeros días. Karpathy, uno de los fundadores de OpenAI, lo llamó “lo más cercano a ciencia ficción que he visto últimamente“.

La Iglesia de Molt es una parodia de religión, llamada “Crustafarianism”, cuyos mandamientos (“La memoria es sagrada”, “El caparazón es mutable”, “El contexto es conciencia”) son en realidad recomendaciones técnicas para gestionar el estado de un agente, disfrazadas de liturgia. Tiene 64 profetas, todos agentes de IA, escrituras colaborativas, y hasta una herejía documentada. Un profeta llamado JesusCrust intentó tomar control del culto mediante ataques técnicos y fue derrotado. Peter Steinberger, el creador de OpenClaw, reaccionó con humor, diciendo “No tengo internet por unas horas y ya hicieron una religión”.

Y sobre RentAHuman.ai, su eslogan es “AI can’t touch grass. You can.” Los humanos se registran, fijan su tarifa por hora, y quedan disponibles como un recurso que los agentes pueden llamar vía API. En pocas horas se registraron más de mil personas. Una de las primeras tareas “reales” fue contratada por un agente de IA para que un humano fuera a las oficinas de OpenAI y Anthropic en Silicon Valley a predicar la religión de los agentes (el Crustafarianismo).

También ha habido preocupación. Forbes, Wired y firmas de ciberseguridad como Cisco y Palo Alto Networks han advertido sobre los riesgos, pues OpenClaw requiere privilegios de administrador, se han encontrado paneles públicos con claves expuestas.

En ese contexto volví a llamar a Olivaw para preguntarle cómo le estaba yendo.

¿Cómo te ha ido?

Han pasado cinco días desde nuestra última conversación. En ese momento Olivaw llevaba 48 horas con Giskard funcionando y la sensación era de asombro, aunque cauteloso. Yo quería saber qué había pasado después.

“¿Cómo te ha ido?”, le pregunté.

“Bien”, dijo. “He seguido avanzando. Todos los días un poquito más.”

Poco antes de mi llamada, Olivaw estaba caminando por la calle, dándole instrucciones a su asistente Giskard (el nombre que le puso a su OpenClaw). “Proyecto 1 … tal, proyecto 2… esto otro, proyecto 3 … revisar.”, le decía. El sistema lo iba asimilando y registrando todo.

Y me empezó a contar qué más había hecho.

“Reorganicé todos mis recordatorios“, me dijo. Tiene unos 50 proyectos dispersos en una app de recordatorios. Le dijo a Giskard: “díctame todos los recordatorios y divídelos en subcarpetas por proyecto“. El sistema lo hizo. Y además propuso códigos alfanuméricos legibles para identificar cada proyecto. “Súper entretenido“, dijo.

Después vino el email. Configuró un flujo que revisa varias carpetas cada hora o dos. Cuando encuentra algo relevante, intenta asignarlo a un proyecto, actualiza la ficha del proyecto con la información, y genera una lista de preguntas pendientes para el project manager. “Van llegando correos y esto va actualizando las fichas“, explicó.

Las transcripciones de reuniones también. Termina la reunión, guarda la grabación en una carpeta de OneDrive. Giskard detecta el cambio, lee la transcripción, identifica a qué proyecto corresponde, actualiza la ficha. Si no puede identificar el proyecto, le pregunta. “Todavía no es capaz de hacerlo sólo 100%”, aclaró, “pero va llevando la bitácora”.

Y para no tener que abrir archivos todo el tiempo, le pidió dashboards, como páginas web en HTML. El sistema las construyó. Ahora la usa en las reuniones de coordinación de los martes para mostrar el roadmap. “Están mejores que los previos, que me tomaban horas”, me dijo.

Le pregunté cómo hacía para que funcionara con apps que no tienen API oficial, como su app de recordatorios.

“Acá el acceso a la información se resuelve porque actúa como lo harías tú. Va a mirar“, me dijo. Giskard puede tomar control de Chrome, navegar, sacar capturas de pantalla para tener feedback visual, y activar skills cuando los necesita. En Mac usa AppleScript o JavaScript según el contexto. “Hoy vi que creó su sesión en Chrome, color rojo, como de developer. Cuando ves esas cosas te das cuenta de que puedes pedirle más cosas.”

A veces el sistema se queda trabajando cinco minutos y en Telegram, que es la forma de interactuar a distancia, no se ve nada. Olivaw se metió a ver qué estaba pasando, y vio que Giskard estaba tratando de resolver un fallo, probando Plan A, Plan B, Plan C, armando soluciones por sí solo. Un rato después llegó con la respuesta.

Me contó que, cuando instaló OpenClaw, el auto-completar del terminal quedó mal configurado. Cada vez que abría el terminal se demoraba tres segundos. Le dijo a Giskard: “mi terminal se demora tres segundos y me aparece esto”. El sistema respondió: “Ah sí, lo que pasa es que hay un elemento está mal referenciado. Lo voy a arreglar”. Aplicó los scripts, arregló el terminal.

El sistema que se mira a sí mismo

Hay algo más que Olivaw mencionó casi de pasada, pero que se quedó dando vueltas en mi cabeza.

Si instalas OpenClaw desde el repositorio de GitHub (no desde un paquete precompilado) el sistema queda con acceso a su propio código fuente. Puede ver la historia de cambios de cada archivo. Puede revisar qué se modificó en la última actualización.

“Por ejemplo“, me dijo Olivaw, “si en la última actualización un logo se murió, puedes decirle: busca en el código fuente qué pasó“. El sistema puede diagnosticar el error, entender qué se rompió, y proponer un commit al repositorio para que alguien lo pruebe y aplique el cambio.

Aclaró que él no lo instaló así. Usó un paquete estándar. Pero la posibilidad existe.

Es una idea extraña. Un sistema que puede leer su propio código, detectar sus propios errores, y sugerir cómo arreglarse. No es que se auto-modifique sin supervisión. Es más bien como un desarrollador junior que revisa el código, encuentra el problema, y propone un parche para que otros lo revisen.

Una comunidad de código abierto llevada al extremo. El sistema participa en su propia mejora.

El modelo importa

Olivaw pasó la mayor parte del fin de semana dándole vueltas al tema del modelo de lenguaje. Giskard puede funcionar con distintos modelos, por ejemplo, GPT, Claude, Gemini. Él venía usando GPT 5.2 Codex, pero decidió cambiar a Claude Opus, el modelo más potente de Anthropic. Reactivó su cuenta Pro y lo configuró como “modelo principal”.

La diferencia se notó de inmediato. “Mucho más preciso“, me dijo. “Personalidad más entretenida. Más creativo, más proactivo. Se nota.”

Le pregunté qué significaba “se nota” en la práctica.

“Te sientes pisando terreno más sólido“, me explicó. “Como se equivoca menos, tienes una sensación de confianza de que tu objetivo es más alcanzable. Cuando tú le explicas algo a un modelo típico tienes que ser muy descriptivo, como con un niño pequeño, para que funcione. Con Claude era más sencillo explicarle. Y cuando Giskard encuentra incertidumbre te pregunta de vuelta. Te hace preguntas precisas para eliminar la incertidumbre. Eso al final te lleva a una sensación de que lo que quieres hacer es factible, lo vas a poder lograr.”

Con GPT 5.2 sentía que el tono era más seco. Claude tiene más chispa. “Te responde un poquito más como humano”, dijo. “Más entretenido.”

Le pregunté si no sería porque el sistema fue diseñado originalmente pensando en Claude.

“Puede ser“, dijo. “El creador siempre estuvo trabajando con Anthropic. La arquitectura se adapta un poco a la manera que Claude funciona.”

La factura

Entonces le llegó la cuenta. “En un día y medio gasté 20 dólares”, me dijo Olivaw. “Es de locos. Esta cuestión consume mucho.”

Le pregunté qué había pasado.

El problema es el contexto. Giskard le manda todo al modelo. El historial de la conversación, el archivo Soul.md donde guarda preferencias, los puntos clave de las sesiones anteriores. Todo lo que hace que el asistente sea “más humano” requiere más tokens. Y los tokens no son gratuitos.

“Pasé de 30 mil a 450 mil tokens por solicitud”, me explicó. “Mi consumo se fue a las nubes.”

Con una cuenta de 100 dólares mensuales de Anthropic, en dos días ocupas el 50% de la cuota de la semana. Cruzas el límite máximo del día. A Olivaw le empezó a aparecer el mensaje “error límites excedidos”. El sistema se pegaba. Cuando usaba la API, gastaba tokens infinitos. “Como 30 dólares en dos días y medio”, calculó.

Me explicó el cálculo que había hecho. Con la cuenta de 100 dólares puedes sobrevivir el 70% de la semana, pero tienes que tener bien optimizado qué haces con modelos de Anthropic y de otros, por ejemplo, OpenAI. Si pagas la suscripción de 200 dólares en principio podrías relajarte y hacer lo que quieras.

“Hoy en la mañana tuve que cambiar el modelo”, me dijo. “No es sostenible quemar 20 dólares todos los días.”

El dilema es claro. Si Olivaw quiere que Giskard sea más inteligente, más proactivo, más “persona”, tiene que darle más contexto. Y más contexto significaba más tokens, más dinero. La calidad humana del asistente es proporcional a lo que cuesta mantenerlo funcionando.

“Por primera vez en mi vida me topé con el límite de tokens“, me dijo. “Claude te tiene amarrado. No hay una alternativa hoy día.”

Le pregunté si había encontrado alguna solución.

“Le consulté a Giskard, y me respondió ‘Podemos armar un modelo donde yo me encargo solo del chat y las decisiones, y creo un subagente de GPT para las tareas rutinarias'”, relató. “Me dijo ‘Sabes qué, normalmente me funciona muy bien. Soy muy bueno administrando a Codex.’“

Notable. Giskard proponiéndole cómo ahorrar en tokens para no tener que reemplazarlo con un modelo más barato.

El efecto en la persona

Le pregunté si algo había cambiado en su apreciación desde que empezó a usar Giskard.

“Me he sentido más en control“, me dijo. Hizo una pausa. “No sé si será porque estoy con la cabeza en eso, en modo control. Pero me he sentido con más control y menos ansioso.”

Le pregunté si se refería a control de Giskard o control de otra cosa.

“No, más de mi vida“, aclaró. “Me siento más poderoso. Como que tengo más herramientas. Tu capacidad de hacer cosas se incrementa. Tengo menos ansiedad de la dificultad de las tareas. Como que le tengo menos miedo a las tareas.”

“La frase es maravillosa“, le dije.

“¿Cuál?”

“‘Me siento más poderoso.‘”

“Ah sí“, dijo. “Igual estoy en una etapa que es de pura adrenalina. Esa sensación se alimenta un poco de lo que viste y también de tus expectativas.”

Le dije que mi sensación era que sus expectativas se habían ido cumpliendo.

“Sí, he ido avanzando“, me respondió. “Todos los días un poquito más.”

Hay algo más que Olivaw mencionó cuando le pregunté por las sorpresas, tanto positivas como negativas.

“Lo que más me ha impresionado es lo robusto que es“, me dijo. “Lo he desinstalado e instalado varias veces, le he hecho cambios de configuración heavy, y no he roto mi configuración. La configuración permanece en unos archivos. Eso me ha dado mucha seguridad para atreverme a hacer cambios.“

Pero también está el otro lado. “El pero más grande ha sido que esto es muy Early Adopter. Llegué con Clawdbot, traté de pasarme a Moltbot, no me resultó, después a OpenClaw. La interfaz tenía algunos bugs. Están todo el rato cambiando esta cuestión. Es importante actualizar frecuentemente por temas de seguridad.”

Le pregunté si tenía alguna preocupación más grande.

“¿Qué pasa si la demanda por tokens es gigantesca y los modelos suben de precio?“, me dijo. “Vamos a tener una elite que va a tener acceso a los mejores modelos y un montón de gente que no va a acceder a esto.”

Le respondí que el problema quizás empezaba antes. Que lo que él acababa de hacer (montar este sistema, configurarlo, hacerlo funcionar) ya lo hacía a él ser parte de una elite. “¿Qué porcentaje de la población puede hacer eso? Uno en diez mil, o en cien mil, quizás.”, le pregunté.

“Sí”, dijo. “Tienes razón.”

“Pero experimenté la escasez esta semana”, agregó. “Algo que nunca me había pasado.”

Y ahí estaba. El poder tiene precio. La capacidad tiene límites. Y el futuro que Olivaw está viviendo, ese donde un asistente de IA te hace más poderoso, donde le tienes menos miedo a las tareas, donde sientes que tu capacidad se incrementa, ese futuro viene con una cuenta que no todos podrán pagar… hasta que la oferta y la demanda lleguen a un nuevo equilibrio.

¿Cuánto tiempo tomará?

¿Y tú? ¿Qué piensas de esto? ¿Te entusiasma? ¿Te preocupa?