Delphi entrevista al fundador de Grass: somos proveedores secretos de datos en la era de la IA

"Cualquiera que sea el sistema de IA del futuro, necesitará acceder a información."

Compilado por: Foresight News

Invitado: Andrej Radonjic, cofundador y CEO de Wyn Labs, responsable de Grass

Moderador: Delphi Digital

En octubre de 2026, el podcast de Delphi Digital entrevistó a Andrej Radonjic, cofundador y CEO de Wyn Labs. Como responsable del proyecto Grass, Andrej explicó en detalle cómo Grass ha evolucionado de un pequeño proyecto de compartición de ancho de banda a un proveedor secreto de datos que sirve a laboratorios de IA de vanguardia como OpenAI y Anthropic. Actualmente, la red de Grass cuenta con millones de nodos y ha entregado más de mil millones de GB de datos web a laboratorios de IA. En esta conversación, Andrej reveló por primera vez la estructura del negocio de Grass, los dos grandes mercados de datos de entrenamiento y datos de inferencia, la enorme oportunidad de los datos de video robóticos, y el recién lanzado conjunto de productos Live Context Retrieval.

Puntos destacados

• "Desde la perspectiva de Internet, esto es como si un usuario normal estuviera navegando. Pero en realidad, es una plataforma de infraestructura de datos masiva que alimenta la vanguardia de la IA."
• "Honestamente, ahora la mayor parte de Internet diseñado para humanos es difícil de acceder para los agentes de IA. La política predeterminada de los sitios web es bloquear directamente todas las IP de los centros de datos."
• "Ahora los datos de entrenamiento y los datos de inferencia son dos cosas diferentes, pero en el futuro se unirán. El modelo final recibirá información en tiempo real de manera continua, como una manguera de bomberos."
• "Lo que más quieren las empresas robóticas es que el modelo vea mil millones de videos y aprenda a usar herramientas y hacer tareas domésticas."
• "La verdadera ventaja competitiva es: cada dólar que inviertes en infraestructura genera más producción económica que la de tus competidores."
• "La visión final de Grass es convertirse en el medio para que la IA acceda a la información. Cualquiera que sea el sistema de IA del futuro, necesitará acceder a información, y Grass es ese conducto."

A continuación se presenta una recopilación editada de la conversación del podcast (contenido resumido):

Grass no es un VPN, es un proveedor secreto de datos para IA

Moderador: Primero, ¿puedes explicar a nuestros oyentes qué es Grass? ¿Cómo entraste en este campo?

Andrej: Grass es una red compuesta por millones de nodos, donde los usuarios se unen voluntariamente para compartir su ancho de banda y recibir recompensas. En el otro extremo, diversas infraestructuras de datos utilizan el ancho de banda de estos millones de usuarios para acceder masivamente a datos web.

¿Cómo entré en este campo? Es una historia bastante aleatoria. Estudié física de ingeniería en Canadá, con especialización en ingeniería nuclear y fotónica. Al graduarme, los trabajos en ingeniería nuclear estaban en lugares remotos de Canadá, y no quería mudarme. Luego descubrí que muchas de las habilidades que aprendí en física podían aplicarse en el sector financiero, así que trabajé unos años en finanzas y luego volví a estudiar un doctorado en física computacional.

Cuando comenzó la pandemia, estaba cursando un doctorado en matemáticas aplicadas, modelando ecuaciones físicas complejas. Durante la pandemia, tuve mucho tiempo libre y empecé a hacer cosas raras. Una de ellas fue un robot de arbitraje, buscando diferencias de precios en diferentes sitios web para hacer arbitraje. Esto requería un gran número de rastreadores web, y así fue como caí en el campo del rastreo web. Unos años después, conocí a dos cofundadores, hablamos sobre nuestras experiencias y todos sentimos que era algo que claramente debíamos hacer, y aquí estamos.

Por qué es difícil para los agentes acceder a Internet hoy

Moderador: ¿Qué viste que otros no vieron? ¿Por qué decidiste hacer esto?

Andrej: La señal más grande fue la pandemia. Durante la pandemia, la mayoría de los negocios se trasladaron en línea, y muchas empresas obtuvieron información de maneras que antes requerían que alguien fuera a la tienda a anotar precios. Durante la pandemia, las tiendas estaban cerradas y todos se vieron obligados a gastar en línea.

La infraestructura web se volvió cada vez más avanzada, pero al mismo tiempo, la demanda de información web explotó. Muchos sitios web se dieron cuenta de que necesitaban hacer la información pública para que la gente pudiera encontrarlos y comprar sus productos. Sin embargo, querían construir un jardín amurallado que solo permitiera el acceso a los consumidores, bloqueando todas las IP de los centros de datos.

La demanda de infraestructura de datos web automatizada explotó en ese momento. Pensamos que esta tendencia no se detendría; a medida que los algoritmos de aprendizaje automático se volvían más fuertes, se extendería por toda Internet.

Moderador: ¿Qué es lo que los agentes de IA no pueden hacer ahora? ¿Qué se está volviendo cada vez más difícil de acceder?

Andrej: Si lo dices honestamente, ahora la mayor parte de Internet diseñada para humanos es difícil de acceder para los agentes de IA. Y esta situación continuará durante mucho tiempo.

Hay muchas razones. Muchos sitios web bloquean a los rastreadores de IA por diversas razones: ya sea porque temen que los competidores rastreen datos o porque temen que la IA use su contenido para entrenar. Pero independientemente de la razón, es difícil para ellos distinguir quién está accediendo, así que la política predeterminada es un enfoque de todo o nada: bloquear todas las IP de los centros de datos.

Si tu agente está en AWS, cada sitio web puede detectar que es una IP de AWS. Para el sitio web, tu agente y el rastreador de precios de un competidor no son diferentes. La política predeterminada es simplemente bloquearlo. Y estamos viendo que esto se está volviendo cada vez más común.

Esto no solo se aplica a los agentes, sino también a los escenarios de uso de modelos grandes estándar, e incluso al proceso de entrenamiento de modelos grandes en sí: cuando necesitas rastrear la web para obtener datos de entrenamiento, te enfrentas al mismo problema. Para obtener los mejores datos de entrenamiento, debes acceder a la mayor cantidad de información posible y luego filtrar y seleccionar la información correcta para incluirla en los pesos del modelo.

Datos de entrenamiento vs. datos de inferencia: la IA necesita dos tipos de información

Moderador: Ahora su negocio tiene tanto datos de entrenamiento como datos de inferencia. ¿Puedes hablar sobre la diferencia entre estos dos mercados?

Andrej: El entrenamiento de modelos de IA actualmente es así: un ciclo de entrenamiento lleva mucho tiempo. La mayor parte del tiempo se dedica a convertir los datos en un formato adecuado para el entrenamiento. Luego, generas más datos basados en la salida del modelo, lo que se llama aprendizaje por refuerzo, y luego ajustas el modelo según esos datos.

Sin embargo, una vez que el modelo está entrenado y desplegado en el mundo real, su conocimiento se detiene en cuestión de segundos y no puede seguir aprendiendo en tiempo real. Aunque se está investigando en el área de aprendizaje continuo, aún no se ha resuelto.

Así que ahora hay dos procesos completamente diferentes:

• Proceso de entrenamiento: rastrear una gran cantidad de contenido de Internet y crear conjuntos de datos de preentrenamiento muy útiles. La escala es grande, a veces se realiza un rastreo dirigido para un idioma específico, un tipo específico de archivo o contenido específico.
• Proceso de inferencia: una vez que el modelo está entrenado, necesita poder ver cosas en línea. Puedes desplegar el modelo en AWS, pero si está en un centro de datos, no podrá ver mucho contenido, como contenido que solo puede ser accedido desde países específicos. Para acceder a gran escala en tiempo real, debes enrutar el tráfico a través de una red como Grass.

Un área emergente que nos emociona mucho es la de los datos de inferencia. La idea central es que el modelo necesita obtener información contextual en tiempo real. Cuando usas el modelo, o cuando el modelo es llamado por otro modelo, para que el modelo sea útil, necesita poder acceder a la información más reciente del mundo en tiempo real.

En los próximos años, cuando el marco de aprendizaje continuo esté lo suficientemente maduro y pueda funcionar a gran escala, estas dos cosas se unirán. El modelo funcionará como una manguera de bomberos, recibiendo continuamente información en tiempo real de toda Internet y actualizándose constantemente.

Hacer que la IA vea mil millones de videos y aprenda por sí misma

Moderador: Mencionaste que ya han indexado más de 100 mil millones de videos web públicos. ¿Cómo utilizan estos datos las empresas robóticas?

Andrej: El número exacto puede estar desactualizado; ahora hemos indexado más de 1000 mil millones. Digo "indexar" porque no estamos descargando ciegamente cada video; el medio de video es demasiado denso, y almacenar y procesar es costoso. Estamos haciendo un rastreo dirigido.

Los robots y los datos robóticos son un campo muy interesante en este momento. Primero, permíteme explicar la lógica básica de la investigación en aprendizaje automático: si sabes qué optimizar y el formato de datos es adecuado, estarás feliz haciendo aprendizaje automático. Le das un montón de datos a un algoritmo familiar y rápidamente aprenderá de ellos.

Ahora, el estado ideal para los investigadores robóticos es hacer que el modelo vea millones de videos (más precisamente, decenas de miles de millones), escuche millones de podcasts y lea billones de palabras de datos de Internet, y luego aprenda de esta información cómo actuar y generalizar. Por ejemplo, si he visto a una persona usar un cortacésped, entonces como robot sé cómo hacerlo. He visto cómo camina, cómo mueve los brazos, cómo usa herramientas, y después de verlo millones de veces, siempre que el algoritmo y la configuración sean correctos, lo haré por mí mismo.

El modelo de la empresa de inteligencia corporal Generalist AI ha emocionado a todos porque puede ser el primero en demostrar que un modelo puede aprender a operar solo viendo una gran cantidad de videos, como recoger una bola de un color específico y ponerla en una taza. También demostraron en tiempo real que una persona realizó esta acción y, después de verlo, el robot replicó exactamente el mismo movimiento.

Desde entonces, otra empresa de inteligencia corporal, Skild AI, también publicó un artículo que demuestra que este comportamiento puede escalarse utilizando videos web. Así que ahora la demanda de videos web está creciendo muy rápido.

Live Context Retrieval: simplificando la ingeniería anti-rastreo en una API

Moderador: Recientemente lanzaron el nuevo conjunto de productos Live Context Retrieval (LCR). ¿Puedes hablar más sobre eso?

Andrej: Sí, este es nuestro nuevo Contents API, que es el primero de todo el conjunto de productos. Luego habrá un Search (producto de búsqueda), y también se agregarán capacidades multimodales, como escuchar audio, leer imágenes y comprensión semántica.

Lo más genial del Contents API es que originalmente era una herramienta que usábamos internamente. El equipo necesitaba recopilar masivamente diversos datos de entrenamiento de diferentes modalidades, y a veces solo usar redes IP residenciales no era suficiente; necesitabas manejar huellas digitales de TLS, renderizar eficientemente el navegador en el servidor y cambiar constantemente los patrones de solicitud para evitar que el sitio web te bloquee. (Nota: TLS es la capa de cifrado entre el navegador y el sitio web que garantiza que los datos que envías no puedan ser espiados y también verifica que el sitio sea legítimo). Para recopilar datos de entrenamiento de manera eficiente, nuestros ingenieros construyeron una API de contenido web muy útil que todos pueden usar sin tener que escribir un rastreador desde cero cada vez.

Luego nos dimos cuenta de que este producto había alcanzado un nivel de excelencia en la industria, mejor que la mayoría de las cosas en el mercado. Así que lo lanzamos como el primer producto abierto del conjunto LCR.

¿Qué es? Simplificamos todo el proceso: gestionar las solicitudes web de agentes residenciales globales, cargar navegadores y configurar estrategias anti-rastreo, todo en una sola llamada a la API. Solo necesitas darle una URL y rápidamente obtendrás el contenido del sitio web. También puedes especificar desde qué país acceder, y puedes obtenerlo en formato Markdown o texto plano.

El siguiente lanzamiento será el Search. ¿Por qué el Search acelerará la adopción de todo el LCR? Porque los agentes normales necesitan acceder de 5 a 50 páginas web cada vez que navegan, y en casos de razonamiento complejo, aún más. El Contents API ahora es adecuado para aquellos clientes que saben qué sitio web quieren monitorear. Una vez que el Search esté en línea, el modelo ni siquiera tendrá que saber dónde buscar contenido; simplemente llamará a la API de búsqueda y luego a la API de contenido para extraer el contenido.

Colaborando con laboratorios de IA de vanguardia, manteniendo la confidencialidad como en tecnología de defensa

Moderador: ¿Cómo es colaborar con estos laboratorios de IA de vanguardia? ¿Cómo han cambiado sus necesidades?

Andrej: Es increíble, hermano. No es una exageración decir que la IA podría ser la tecnología que defina a esta generación, e incluso a la historia de la humanidad. Ver cómo estos modelos mejoran paso a paso y ayudan a elevar el límite de capacidad de la civilización humana es en sí mismo muy emocionante. Para muchos en nuestro equipo, esto es lo más gratificante y lo que más nos motiva.

Por supuesto, los recursos están altamente concentrados, y en estos laboratorios están las personas más inteligentes. Cada conversación es un desafío intelectual, y puedes ver muchas cosas interesantes. La parte más difícil es que no puedes compartirlo con el mundo; por ejemplo, si participamos en el lanzamiento de un proyecto interesante, durante los últimos meses ya sabíamos que iba a suceder porque hemos estado trabajando en ello. Pero no podemos decirlo.

Hace unos meses mencioné esto en el podcast de Handsome; a menudo comparamos esto con la tecnología de defensa: una empresa de defensa que ayuda al gobierno a encontrar terroristas no va a andar diciendo por ahí lo que ha hecho. Porque si lo dices, otros pueden deducirlo y hacer contramedidas. La industria de la IA ahora es así; todos están compitiendo para alcanzar la mejor capacidad. Si todos saben en qué datos se está enfocando una empresa de modelos, pueden deducir lo que están haciendo y competir con ellos antes de que lancen algo.

Así que a menudo podemos ver hacia dónde se dirigirá toda la industria de la IA en los próximos 6 a 12 meses, pero no podemos decirlo.

El modelo de negocio de Grass: una fundación sin propietarios + empresa de servicios

Moderador: Recientemente publicaron un informe de ingresos y la reacción del mercado fue muy positiva. ¿Puedes hablar sobre la estructura de Grass?

Andrej: La estructura de Grass es bastante única; para muchos clientes puede parecer un poco extraña, pero esta diseño tiene razones muy importantes: todo está diseñado para alinear incentivos.

Ese informe de auditoría fue realizado por una firma de contabilidad que verificó todos los pedidos de compra de Grass con los principales laboratorios de IA y otros clientes, y luego conciliaron con el efectivo recibido. Por supuesto, hay un pequeño desfase de tiempo; algunas facturas tardan 60 días en pagarse después de ser emitidas, pero en general, todo concuerda.

Muchos pueden no darse cuenta de que el sujeto de este informe de auditoría es la fundación Grass, no una entidad de capital. La fundación Grass es una fundación sin propietarios; todos los clientes, ya sea que compren datos de preentrenamiento, datos de ajuste fino o productos de datos de inferencia, se enfrentan a la fundación Grass. Es una estructura sin propietarios, nadie la posee, es gestionada por directores independientes, y cualquier transacción de fondos necesita la aprobación de los directores.

Trabajo en Wyn Labs, que es el proveedor de servicios de la fundación Grass. ¿Por qué existe Wyn Labs? Porque en el mundo real aún necesitas contratar personas, pagar seguros sociales y comprar seguros; necesitas una entidad de capital para hacer esas cosas. Sin embargo, Wyn Labs no posee ninguna propiedad intelectual; toda la propiedad intelectual se transfiere a la fundación Grass. Wyn Labs no se enfrenta directamente a ningún cliente; cualquier colaboración entre Wyn Labs y la fundación Grass necesita la aprobación de los directores de la fundación Grass, y estos directores no tienen ningún interés económico en Wyn Labs. Por supuesto, el equipo de Wyn Labs también son poseedores de tokens.

La visión futura es convertirse en el conducto para que la IA acceda a la información

Moderador: Última pregunta. Si todo se desarrolla según tu visión, ¿cómo será Grass en 5 a 10 años?

Andrej: Mira la velocidad de desarrollo actual, el progreso exponencial; nadie puede predecir cómo será el mundo en 5 años. Pero la misión de Grass es clara: queremos ser la forma en que la IA accede a la información.

Ya sea que los agentes naveguen por Internet o que los sistemas de IA más complejos del futuro necesiten acceder a información de manera mejor y menos sesgada, Grass es ese medio. ¿Cómo será dentro de 5 años? ¿Quién sabe? Tal vez en ese momento enviemos satélites al espacio para recopilar información, en lugar de usar millones de IP globales como satélites digitales, viendo el mundo desde sus propias perspectivas.

Independientemente de cómo cambie el mundo, los sistemas de IA necesitarán acceder a información, ya sea para entrenar y aprender, para sintetizar nuevos datos, o para convertirse finalmente en un enorme proceso de aprendizaje continuo. La visión de Grass es convertirse en ese conducto para acceder a la información.