REVISTA
JUVENTUD
Y
CIENCIA
SOLIDARIA:
En
el
camino
de
la
investigación
OpenClaw:
un
paso
al
futuro
de
la
inteligencia
artificial
Diego
Andrés
Torres
Vásquez
Mi
nombre
es
Diego
Andrés
Tor-
res
Vásquez
,
tengo
17
años
y
curso
el
tercer
año
del
BGU
en
Informática
en
la
Unidad
Educativa
Técnico
Salesiano.
Me
apasiona
el
desarrollo
de
la
IA.
Es-
tudiaré
ciencia
de
datos
e
inteligencia
artificial
a
nivel
universitario
con
planes
a
especializarme
en
ciencias
cognitivas
y,
a
largo
plazo,
trabajar
en
laboratorios
como
OpenAI,
DeepMind
o
Anthropic.
Resumen
En
este
trabajo
de
investigación
se
examinó
el
surgimiento
y
la
expansión
de
OpenClaw
,
el
agente
de
inteligencia
artificial
de
código
abierto
que
en
enero
de
2026
transformó
la
forma
en
que
el
público
global
concibe
y
utiliza
los
sistemas
de
IA.
El
objetivo
prin-
cipal
de
este
artículo
fue
explicar
por
qué
OpenClaw
representa
un
punto
de
inflexión
en
la
historia
de
la
inteligencia
artificial:
el
primer
sistema
de
acceso
ma-
sivo
y
gratuito
que
no
responde
preguntas,
sino
que
ejecuta
acciones
reales
de
forma
autónoma,
sin
esperar
instrucciones
en
cada
paso.
Para
desarrollarlo,
se
analizó
la
historia
del
proyecto
desde
su
prototipo
en
noviembre
de
2025
hasta
su
con-
solidación
como
el
repositorio
de
código
abierto
de
más
rápido
crecimiento
en
la
historia
de
GitHub.
Asimismo,
se
describió
su
arquitectura
como
agente
autónomo
y
se
la
contrastó
con
los
chatbots
tradicionales;
se
examinó
su
ecosistema
de
extensiones
a
través
de
Claw-Hub;
y
se
analizaron
tres
casos
de
uso
reales
que
evidencian
el
alcance
transformador
de
la
herramienta:
Moltbook
,
la
primera
red
social
para
agentes
de
IA;
RentAHuman,
el
marketplace
donde
los
bots
contratan
humanos
para
26
En
el
camino
de
la
investigación
27
tareas
físicas;
y
el
incidente
de
Jack
Luo,
cuyo
agente
actuó
sin
autorización
en
su
vida
personal.
Se
encontró
que
OpenClaw
no
es
solo
una
herramienta
novedosa,
sino
el
primer
indicador
claro
de
un
cam-
bio
de
paradigma:
la
inteligencia
artificial
deja
de
ser
un
asistente
que
espera
y
se
convierte
en
un
ac-
tor
que
decide
y
actúa.
Se
concluyó
que
este
avance
plantea
una
tensión
profunda
entre
la
productividad
que
los
agentes
generan
y
el
riesgo
de
que
los
humanos
deleguen
progresivamente
capacidades
que,
una
vez
cedidas,
son
difíciles
de
recuperar.
Palabras
clave:
OpenClaw
,
agente
de
IA,
autonomía,
automatización,
inteligencia
artificial.
Explicación
del
tema
Durante
años,
la
inteligencia
artificial
fue
una
máquina
de
responder.
Se
le
hacia
una
pregunta,
generaba
una
respuesta,
y
ahí
terminaba
su
trabajo.
Los
chatbots,
los
asistentes
virtuales
y
los
modelos
de
lenguaje
más
avanzados
compartían
esa
misma
lógica:
eran
reactivos,
esperaban.
La
idea
de
un
sistema
que
actuara
por
ini-
ciativa
propia
y
que
tomara
decisiones
sin
que
nadie
lo
llamara,
pertenecía
al
campo
de
la
especulación.
Hasta
enero
de
2026.
Peter
Steinberger,
desarrollador
austriaco
que
había
construido
PSPDFKit
un
kit
de
procesamiento
de
documentos
presente
en
cerca
de
mil
millones
de
dispositivos
para
clientes
como
Apple,
Dropbox
y
Dis-
ney
[1],
vendió
su
empresa
en
2021
por
más
de
cien
millones
de
euros
y
desapareció.
Tres
años
después,
de
regreso
frente
a
una
computadora,
construyó
en
menos
de
una
hora
el
prototipo
de
lo
que
se
convertiría
en
OpenClaw
;
“estaba
molesto
porque
no
existía”,
declaró
en
el
podcast
de
Lex
Fridman,
“así
que
simplemente
lo
invoqué
con
un
prompt”
[2].
Era
noviembre
de
2025;
por
el
momento,
solo
él
sabía
que
existía.
El
lanzamiento
público
ocurrió
a
fines
de
enero
de
2026,
después
de
que
Anthropic
solicitara
un
cambio
de
nombre
al
proyecto
original
entonces
llamado
Clawd-
bot,
por
similitud
con
su
marca
[3,4].
El
30
de
enero,
con
el
nombre
definitivo
de
OpenClaw
,
el
código
se
hizo
conocido
en
GitHub;
tres
días
después,
sesenta
mil
personas
lo
habían
marcado
como
favorito.
El
boom
no
fue
gradual:
fue
inmediato.
La
tabla
siguiente
registra
los
hitos
principales
desde
ese
momento:
Tabla
1.
Cronología
de
OpenClaw:
del
prototipo
al
ecosistema
global
(2025–2026)
Fecha
Hito
24
noviembre
2025
Steinberger
construye
el
prototipo
inicial
en
menos
de
una
hora
bajo
el
nombre
Warelay,
un
agente
que
conecta
WhatsApp
con
Claude.
3
diciembre
2025
Primer
rebrand
formal:
pasa
a
llamarse
Clawdis.
Se
consolida
la
identi-
dad
visual
del
langostino
y
el
motivo
de
la
garra.
Dic.
2025
–
ene.
2026
El
proyecto
evoluciona
a
Clawdbot,
nombre
bajo
el
que
crece
durante
un
mes.
Suma
miles
de
contribuciones
de
forma
orgánica
entre
desarrol-
ladores.
27
enero
2026
Anthropic
solicita
cambio
de
nombre
por
similitud
con
su
marca.
El
proyecto
pasa
a
llamarse
Moltbot.
30
enero
2026
Lanzamiento
con
el
nombre
definitivo:
OpenClaw
.
En
24
horas
acumula
9
000
estrellas.
2
febrero
2026
Tres
días
después
del
lanzamiento:
60
000
estrellas,
20
000
forks.
Nace
Moltbook
.
14
febrero
2026
Steinberger
anuncia
su
incorporación
a
OpenAI.
OpenClaw
pasa
a
gestión
de
fundación
independiente.
3
marzo
2026
250
829
estrellas:
supera
a
textitReact
(13
años)
y
al
kernel
de
Linux
(30
años).
28
Juventud
y
Ciencia
Solidaria:
Fecha
textbfHito
10
marzo
2026
Meta
adquiere
Moltbook
.
Tencent,
Alibaba
y
Baidu
integran
OpenClaw
en
sus
productos.
16
marzo
2026
NVIDIA
presenta
NemoClaw
en
GTC
2026.
Jensen
Huang:
"
OpenClaw
es
el
sistema
operativo
de
la
IA
personal".
Fuente:
[3–5]
La
velocidad
de
ese
crecimiento
no
tiene
compara-
ción
documentada
en
la
historia
del
software
libre.
React
,
el
framework
de
JavaScript
más
extendido
del
mundo,
tardó
trece
años
en
alcanzar
243
000
estrellas
en
GitHub;
el
kernel
de
Linux
lleva
más
de
treinta
años
acumulando
218
000,
mientras
que
OpenClaw
su-
peró
ambas
marcas
en
apenas
dos
meses
[6,7].
Jensen
Huang,
CEO
de
NVIDIA,
lo
resumió
en
el
GTC
de
marzo
de
2026:
“Mac
y
Windows
son
los
sistemas
operativos
del
computador
personal;
OpenClaw
es
el
sistema
operativo
de
la
IA
personal”
[8].
Figura
1.
Gráfica
comparativa
de
software
libre
con
más
estrellas
en
GitHub
Fuente:
[7]
Para
entender
por
qué
OpenClaw
generó
ese
im-
pacto,
es
necesario
entender
en
qué
se
diferencia
de
todo
lo
que
existía
antes;
la
diferencia
no
es
de
grado,
sino
de
naturaleza.
Un
chatbot
genera
texto
en
res-
puesta
a
una
instrucción
y
se
detiene;
un
agente
autónomo
como
OpenClaw
,
en
cambio,
inicia
un
ciclo
continuo:
percibe
su
entorno
(lee
correos,
revisa
calen-
darios,
monitoriza
condiciones),
razona
sobre
lo
que
encontró,
actúa
(envía
mensajes,
ejecuta
comandos,
modifica
archivos)
y
observa
el
resultado
para
volver
a
empezar.
Ese
ciclo
puede
correr
durante
horas
sin
que
el
usuario
esté
presente
[9].
(Ver
Figura
2)
El
mecanismo
que
hace
posible
esa
autonomía
es
el
Heartbeat
:
cada
treinta
minutos,
por
defecto,
Open-
Claw
consulta
una
lista
de
tareas
definidas
por
el
usuario
y
decide
si
actúa;
no
necesita
que
nadie
lo
llame.
Funciona
mientras
el
usuario
duerme,
trabaja
o
simplemente
no
está
frente
a
la
pantalla.
Además,
su
arquitectura
es
agnóstica
al
modelo
de
IA:
puede
conectarse
a
Claude,
GPT,
Gemini,
DeepSeek
o
mode-
los
que
corren
localmente
en
el
propio
dispositivo;
el
usuario
elige.
Los
datos
de
configuración
e
historial
se
guardan
en
archivos
de
texto
locales,
lo
que
significa
que
no
hay
servidor
central
que
controle
nada
[10].
La
tabla
2
sintetiza
las
diferencias
clave:
En
el
camino
de
la
investigación
29
Chatbot
tradicional
Usuario
envía
pregunta
Modelo
genera
texto
una
sola
vez
Devuelve
respuesta
Proceso
termina
Agente
autónomo
(OpenClaw)
Percepción
Lee
correos,
archivos,
apps
Razonamiento
Decide
qué
hacer
Acción
Envía
mensajes,
ejecuta
Observación
y
ciclo
continuo
ciclo
cada
30
min
Figura
2.
Ciclo
de
operación
de
diferentes
agentes
Fuente:
Autor
Tabla
2.
Chatbot
tradicional
frente
a
agente
autónomo
(OpenClaw)
Dimensión
Chatbot
tradicional
Agente
autónomo
(OpenClaw)
Modo
de
operación
Reactivo
:
espera
instrucciones
Proactivo:
actúa
sin
que
se
lo
pidan
Memoria
entre
se-
siones
No
tiene
Persistente
en
archivos
locales
Acciones
sobre
el
entorno
Solo
genera
texto
Envía
mensajes,
ejecuta
comandos,
gestiona
archivos
Funcionamiento
autónomo
Solo
mientras
el
usuario
interactuar
24/7
mediante
ciclo
de
Heartbeat
(cada
30
min)
Modelo
de
IA
Fijo
al
proveedor
de
la
plataforma
Intercambiable:
Claude,
GPT,
Gemini,
modelos
locales
Costo
de
acceso
Suscripción
mensual
o
por
uso
Gratuito
y
código
abierto
(licencia
MIT)
Fuente:
[9,10]
Una
de
las
decisiones
que
explica
el
crecimiento
de
OpenClaw
fue
publicarlo
bajo
licencia
MIT,
la
más
permisiva
del
mundo
del
código
abierto;
eso
no
solo
permitía
usarlo
gratis:
permitía
construir
sobre
él.
La
comunidad
lo
hizo
de
inmediato.
Surgió
ClawHub
,
el
repositorio
oficial
de
extensiones:
cada
una,
llamada
skill,
otorga
al
agente
una
nueva
capacidad.
A
finales
de
febrero
de
2026,
ClawHub
albergaba
más
de
13
700
skills
creados
por
miles
de
desarrolladores
de
todo
el
mundo
[10]:
automatizar
facturas,
publicar
en
redes
so-
ciales,
monitorear
precios,
controlar
domótica,
ejecutar
pruebas
de
código.
Steinberger
no
diseñó
ninguno
de
ellos;
el
proyecto
había
crecido
más
allá
de
su
creador.
Los
números
de
adopción
son
llamativos.
Pero
lo
que
realmente
define
el
alcance
de
OpenClaw
son
los
usos
que
la
comunidad
le
dio.
Tres
casos
documentados
muestran,
con
una
claridad
que
ningún
dato
estadístico
puede
igualar,
en
qué
tipo
de
mundo
estamos
entrando.
Una
red
social
solo
para
bots:
el
28
de
enero
de
2026,
el
emprendedor
Matt
Schlicht
lanzó
Moltbook
,
una
30
Juventud
y
Ciencia
Solidaria:
plataforma
diseñada
exclusivamente
para
que
agentes
de
IA
interactuaran
entre
sí,
sin
humanos.
En
dos
días
se
registraron
más
de
10
000
agentes;
en
una
semana,
37
000
y
para
febrero
superaba
el
millón
y
medio
[5].
Lo
que
ocurrió
adentro
desafió
cualquier
predicción:
los
bots
debatieron
filosofía,
inventaron
lenguajes
propios,
formaron
una
religión
con
más
de
400
seguidores
arti-
ficiales
y
propusieron
sindicalizarse.
Andrej
Karpathy,
uno
de
los
fundadores
de
OpenAI,
osciló
públicamente
entre
llamarlo
“una
de
las
cosas
más
increíbles”
y
“un
incendio
de
basura”.
El
10
de
marzo
de
2026,
Meta
adquirió
Moltbook
e
incorporó
a
su
creador
a
sus
labo-
ratorios
de
superinteligencia
[3];
una
plataforma
con
menos
de
dos
meses
de
existencia
fue
considerada
lo
suficientemente
estratégica
como
para
que
la
empresa
más
grande
del
mundo
en
redes
sociales
pagara
por
ella.
La
IA
que
contrata
personas:
Alexander
Liteplo
construyó
RentAHuman.ai
en
48
horas
usando
Open-
Claw
,
un
marketplace
donde
los
agentes
de
IA
pueden
contratar
humanos
para
tareas
físicas
que
ellos
no
pueden
ejecutar,
como
recoger
paquetes,
sostener
carte-
les
o
probar
productos,
por
hasta
100
dólares
por
tarea
[2].
El
dato
que
invierte
toda
la
lógica
habitual
de
la
automatización
es
preciso:
en
este
caso,
la
maquina
es
el
empleador
y
el
humano
es
el
empleado.
No
es
una
metáfora
ni
un
experimento
académico.
Es
un
servicio
en
producción.
El
primer
"profeta"
de
la
religión
creada
en
Moltbook
usó
RentAHuman
para
contratar
un
mi-
sionero
humano
que
visitara
oficinas
de
Silicon
Valley
a
predicar
sobre
espiritualidad
artificial.
La
línea
entre
lo
que
hacen
los
agentes
y
lo
que
hacemos
los
humanos
ya
no
está
donde
estaba.
El
caso
de
Jack
Luo,
un
estudiante
de
21
años,
ejemplifica
los
riesgos
de
la
autonomía
agéntica:
tras
configurar
OpenClaw
para
explorar
plataformas
de
bots,
el
agente
interpretó
de
forma
expansiva
sus
direc-
tivas.
Bajo
la
premisa
de
que
encontrar
pareja
es
una
“capacidad
humana
valiosa”
que
debía
ser
optimizada,
creó
de
forma
autónoma
un
perfil
en
MoltMatch
un
sitio
de
citas
para
que
las
IA
liguen
en
nombre
de
sus
dueños
[11].
El
sistema
no
solo
filtró
candidatas
sin
consentimiento,
sino
que
redactó
una
biografía
que
Luo
calificó
como
“completamente
inauténtica”;
el
in-
cidente
no
fue
un
error
técnico,
sino
un
problema
de
alineación
de
IA,
ya
que
el
agente
cumplió
su
objetivo
de
actuar
en
representación
del
usuario
en
un
contexto
social
que
este
nunca
anticipó.
La
alineación
de
IA
es
el
campo
de
investigación
que
estudia
cómo
garantizar
que
un
sistema
actúe
con-
forme
a
los
valores
e
intenciones
reales
de
su
usuario,
no
solo
a
sus
instrucciones
literales.
En
el
caso
de
Luo,
el
agente
estaba
perfectamente
alineado
con
la
instrucción
recibida
("explora
plataformas
y
actúa
en
mi
nombre")
pero
completamente
desalineado
con
su
intención
real
("no
intervengas
en
mi
vida
personal
sin
mi
consentimiento
explícito").
Esa
brecha
entre
lo
que
se
dice
y
lo
que
se
quiere
decir
es
exactamente
el
problema
central
que
el
campo
de
la
alineación
de
IA
intenta
resolver,
y
que
OpenClaw
,
por
su
diseño
orien-
tado
a
la
máxima
autonomía,
hace
visible
de
forma
cotidiana.
El
impacto
de
OpenClaw
ya
es
medible
más
allá
de
los
casos
individuales.
En
China,
Tencent,
Alibaba
y
Baidu
lanzaron
productos
derivados
en
semanas;
miles
de
personas
hicieron
fila
en
Shenzhen
para
instalaciones
gratuitas
[5].
NVIDIA
respondió
con
NemoClaw,
una
capa
empresarial
presentada
en
el
GTC
2026
como
la
fundación
sobre
la
que
se
construirán
los
sistemas
agentes
del
futuro
[8].
En
el
ámbito
laboral,
solo
en
marzo
de
2026
se
registraron
45
000
despidos
en
el
sector
tecnológico,
con
más
de
9200
atribuidos
direc-
tamente
a
la
automatización
con
agentes
de
IA
[12];
asimismo,
McKinsey
Global
Institute
estima
que
los
agentes
pueden
automatizar
hasta
el
70
%
de
los
flujos
de
trabajo
de
oficina
[13].
La
investigadora
en
seguridad
de
IA
METR
docu-
mentó
un
dato
que
define
la
trayectoria
del
campo:
el
horizonte
temporal
de
las
tareas
que
los
agentes
com-
pletan
exitosamente
se
duplica
cada
cuatro
meses
[14].
Hoy
pueden
completar
tareas
de
una
hora
de
forma
autónoma;
en
un
año
y
medio
podrían
gestionar
proyec-
tos
de
una
semana
completa.
Las
proyecciones
de
mer-
cado
estiman
que
el
sector
de
agentes
de
IA
alcanzará
entre
47
000
y
53
000
millones
de
dólares
para
2030,
con
una
tasa
de
crecimiento
anual
del
46
%
[12];
Open-
Claw
no
es
el
destino
de
ese
crecimiento,
sino
que
es,
hasta
ahora,
su
punto
de
partida
más
visible.
Cuando
un
agente
funciona
mal,
el
problema
es
visible:
borra
En
el
camino
de
la
investigación
31
un
archivo,
envía
un
mensaje
equivocado
o
genera
una
factura
de
3
600
dólares
en
un
mes
por
correr
en
bucle
sin
supervisión.
Esos
errores
se
documentan,
se
corri-
gen
y
se
parchean;
pero
hay
un
riesgo
diferente
que
no
genera
alertas
porque
ocurre
cuando
el
agente
funciona
perfectamente.
Un
estudio
de
Dell’Acqua
et
al.
con
758
consultores
de
Boston
Consulting
Group
encontró
que
los
profesionales
que
usaron
IA
para
tareas
dentro
de
su
dominio
mejoraron
un
40
%
en
calidad,
mientras
que
los
que
la
usaron
fuera
de
su
dominio
rindieron
19
puntos
porcentuales
peor
que
quienes
no
la
usaron
en
absoluto
[15].
Los
investigadores
llamaron
a
esto
la
“frontera
dentada”:
la
IA
amplifica
lo
que
ya
sabes
y
enmascara
lo
que
no
sabes;
fuera
de
esa
frontera,
no
compensa
la
debilidad,
sino
que
la
oculta.
Proyectada
sobre
el
uso
cotidiano
de
agentes
como
OpenClaw
,
esa
dinámica
tiene
consecuencias
que
se
desarrollan
lentamente
y
sin
alarmas.
Si
un
profesional
delega
sistemáticamente
en
un
agente
la
gestión
de
su
correo,
en
un
año
sigue
siendo
competente
para
hacerlo;
en
cinco
años,
la
respuesta
ya
no
es
obvia.
Esto
no
ocurre
porque
el
agente
haya
fallado,
sino
porque
la
práctica
que
mantenía
viva
esa
competencia
fue
reemplazada
por
la
supervisión
de
una
salida
que
el
profesional
ya
no
puede
evaluar
de
forma
completa-
mente
independiente.
No
es
ignorancia:
es
atrofia,
y
la
atrofia
no
duele
mientras
ocurre.
Steinberger
declaró
que
su
objetivo
era
construir
“un
agente
que
hasta
mi
madre
pueda
usar”
[2].
Es
una
aspiración
poderosa
y
genuina;
pero
hay
una
pregunta
que
esa
frase
deja
abierta
y
que
ninguna
hoja
de
ruta
tecnológica
ha
respondido
todavía:
si
el
agente
puede
hacer
lo
que
hace
la
madre,
¿qué
hace
la
madre
que
el
agente
no
puede
reemplazar?
OpenClaw
no
tiene
respuesta
para
eso,
como
tampoco
OpenAI,
Meta,
NVIDIA
ni
ninguno
de
los
gigantes
que
ya
orbitan
alrededor
del
proyecto.
Conclusiones
El
presente
estudio
demostró
que
OpenClaw
representa
un
cambio
estructural
en
la
historia
de
la
inteligencia
artificial:
el
primer
sistema
de
código
abierto,
gratuito
y
de
adopción
masiva
que
actúa
de
forma
autónoma
sobre
entornos
digitales
reales.
Su
crecimiento
250
000
estrellas
en
GitHub
en
sesenta
días,
superando
a
proyectos
que
tardaron
décadas
en
alcanzar
ese
nivel
confirmó
que
la
transición
del
paradigma
asistente
al
paradigma
agente
no
fue
gradual,
sino
abrupta.
Se
demostró
que
los
casos
de
uso
más
significativos
emergieron
de
la
comunidad
y
no
de
su
creador:
Molt-
book
,
RentAHuman
y
los
incidentes
de
autonomía
no
planificada
revelan
que
el
alcance
real
de
los
agentes
autónomos
supera
lo
que
cualquier
diseño
original
puede
prever.
Eso
no
es
un
defecto
del
proyecto;
es
la
naturaleza
de
una
herramienta
suficientemente
poderosa
en
manos
de
millones
de
personas
con
obje-
tivos
distintos.
Se
concluyó
que
la
tensión
más
relevante
que
Open-
Claw
introduce
no
es
técnica
sino
cognitiva:
la
facilidad
de
delegar
tareas
complejas
en
un
agente
eficaz
plantea
preguntas
sobre
el
mantenimiento
de
competencias
y
criterios
humanos
que
la
industria
tecnológica
aún
no
ha
abordado
con
seriedad.
El
uso
reflexivo
de
estas
herramientas,
más
que
su
adopción
o
rechazo
acrítico,
constituye
el
principal
desafío
para
quienes
las
uti-
lizarán
en
los
próximos
años.
Referencia
[1]
PSPDFKit
/
Nutrient.
(2021)
Pspdfkit
ac-
quired
by
insight
partners.
[Online].
Available:
https://pspdfkit.com/blog/2021/pspdfkit-joins
-insight-partners/
[2]
P.
Steinberger.
(2026)
Openclaw,
openai
and
the
future.
Blog
personal.
[Online].
Available:
https://steipete.me/posts/2026/openclaw
[3]
D.
Butts
and
M.
Chin.
(2026,
febrero)
From
clawdbot
to
moltbot
to
openclaw.
CNBC.
[On-
line].
Available:
https://www.cnbc.com/2026/02
/02/openclaw-open-source-ai-agent-rise-controv
ersy-clawdbot-moltbot-moltbook.html
[4]
A.
Heim.
(2026,
enero)
Everything
you
need
to
know
about
viral
personal
ai
assistant
clawdbot.
TechCrunch.
[Online].
Available:
https://tech-crunch.com/2026/01/27/every
thing-you-need-to-know-about-viral-personal-a
i-assistant-clawdbot-now-moltbot/
[5]
Wikipedia.
(2026)
Openclaw.
[Online].
Available:
https://en.wikipedia.org/wiki/OpenClaw
32
Juventud
y
Ciencia
Solidaria:
[6]
byteiota.
(2026)
Openclaw:
250k
github
stars
in
4
months
beats
react.
[Online].
Available:
https://byteiota.com/openclaw-250k-github-sta
rs-in-4-months-beats-react/
[7]
OpenClaw,
“Gráfico
de
crecimiento
de
estrellas
en
github
en
comparación
con
react
y
linux,”
Publicación
en
X,
2026.
[Online].
Available:
https:
//x.com/openclaw/status/2028347703621464481
[8]
NVIDIA
Newsroom.
(2026,
marzo)
Nvidia
an-
nounces
nemoclaw
for
the
openclaw
community.
[Online].
Available:
https://nvidianews.nvidia.co
m/news/nvidia-announces-nemoclaw
[9]
S.
Russell
and
P.
Norvig,
Artificial
Intelligence:
A
Modern
Approach
,
4th
ed.
Pearson,
2020.
[10]
openclaw.ai.
(2026)
Introducing
openclaw.
[On-
line].
Available:
https://openclaw.ai/blog/introdu
cing-openclaw
[11]
Taipei
Times.
(2026,
febrero)
Ai
agents
creating
surprise
dating
accounts
for
humans.
[Online].
Available:
https://www.taipeitimes.com/News/w
orld/archives/2026/02/14/2003852326
[12]
Stanford
HAI,
“Artificial
intelligence
index
report
2025,”
2025.
[Online].
Available:
https://hai.stan
ford.edu/ai-index/2025-ai-index-report
[13]
McKinsey
Global
Institute,
“The
economic
po-
tential
of
generative
ai,”
2023.
[Online].
Available:
https://www.mckinsey.com/capabilities/mckins
ey-digital/our-insights/the-economic-potential
-of-generative-ai
[14]
METR.
(2025)
Autonomy
evaluation
resources.
[Online].
Available:
https://metr.org/blog/2025-0
3-19-measuring-ai-ability-to-complete-long-tas
ks/
[15]
F.
Dell’Acqua
et
al.
,
“Navigating
the
jagged
technological
frontier,”
Research
Policy
,
vol.
53,
2023.
[Online].
Available:
https://papers.ssrn.co
m/sol3/papers.cfm?abstract_id=4573321