Un desarrollador escribe en lenguaje natural: "Devuelve INMEDIATO para plazos u items de acción; devuelve ESPERA para newsletters y FYI". Un minuto después tiene una función neuronal que clasifica emails sin llamar a ningún modelo remoto. No hay API key, no hay latencia de red, no hay factura por token. El artefacto se guarda en Git, se versiona y se compone como cualquier librería.
Ese es el promisorio de compile by training, el sistema que presentan Yuntian Deng, Pengyu Nie y Stuart Shieber de Waterloo y Harvard. La idea es simple pero invertida: en lugar de usar un LLM gigante cada vez que hay que procesar un input, se usa el LLM una sola vez —en fase de compilación— para generar ejemplos de entrenamiento y especializar un adaptador ligero sobre un intérprete compartido congelado. El resultado es un programa `.paw` que corre en local.
En FuzzyBench-Hard, un subconjunto donde el compilador rápido anterior (PAW) no lograba ni una coincidencia exacta, este enfoque alcanza 83,6 % de precisión semántica. El costo: un minuto de compilación frente a segundos. El intercambio vale la pena cuando la función se va a invocar miles de veces.
La misma inversión de "compilar una vez, ejecutar muchas" aparece en otros dos frentes. SpecGen (Lezhi Ma et al., ICSE 2025) usa LLMs para generar especificaciones formales verificables a partir de código: 279 de 385 programas resueltos, superando a herramientas clásicas como Houdini y Daikon. PROOFBRIDGE (Jana et al., ICLR 2026) traduce teoremas y pruebas en lenguaje natural a Lean 4 combinando embeddings cruzados, fine-tuning recuperado y reparación iterativa guiada por el type-checker: +31 % de corrección semántica sobre el mejor baseline (Kimina-Prover-RL-1,7B) en pass@32.
Tres papers, tres dominios —funciones de texto, specs de software, pruebas matemáticas— y una sola tesis emergente: el LLM como constructor de herramientas, no como dependencia de runtime.
Qué cambia para una empresa latinoamericana
Con la IA generativa actual, la región vive tres dolores concretos: costo por token en dólares, latencia transatlántica y soberanía de datos. El modelo "compilar y desplegar local" ataca los tres.
- Costos predecibles: se paga GPU una vez (o se usa la nube del proveedor solo en build). Después, la inferencia cae en CPU o GPU modesta on-premise. Para volúmenes altos —clasificación de tickets, extracción de entidades en contratos, triaje de soporte— la economía cambia radicalmente.
- Latencia cero de red: la función corre en el mismo proceso. Crítico para asistentes embebidos, edge computing o entornos sin conectividad garantizada.
- Datos sin salir del perímetro: los inputs de producción nunca tocan la API del proveedor. Cumple con regulaciones locales de protección de datos (LGPD en Brasil, Ley 25.326 en Argentina, ley 1581 en Colombia) sin acrobacias contractuales.
El playground público ya está en `programasweights.com/playground?compiler=paw-ft-bs48`. Se puede probar hoy: se escribe la spec, se lanza el build asíncrono, se sigue navegando y se descarga el artefacto. El SDK de inferencia es `pip install programasweights`.
Lo que aún no resuelve
Un minuto de compilación es interactivo, pero no instantáneo. No sirve para funciones ad-hoc que cambian cada request. El adaptador es pequeño, pero el intérprete compartido (un modelo de lenguaje congelado) sigue teniendo un tamaño considerable. Y la calidad depende de la spec: especificaciones ambiguas generan funciones ambiguas —garbage in, garbage out ahora tiene versión neuronal.
Tampoco hay todavía un ecosistema de paquetes compilados listos para usar. Cada equipo compila lo suyo. Cuando aparezca un npm de funciones neuronales versionadas —"email-triage@v2.1", "extract-arxiv-ids@v1.0"— la productividad saltará otro escalón.
El movimiento tectónico
SpecGen y PROOFBRIDGE muestran que la misma lógica escala hacia arriba: de funciones de texto a specs formales verificables y a pruebas matemáticas en Lean. En los tres casos, el LLM grande aporta conocimiento de dominio y capacidad de síntesis en tiempo de build; el artefacto resultante es pequeño, verificable y ejecutable sin el grande.
Para el ejecutivo latinoamericano, la pregunta deja de ser "¿qué modelo alquilo?" y pasa a ser "¿qué funciones compilo esta semana?". La ventaja competitiva no está en tener el LLM más grande, sino en identificar los micro-comportamientos repetitivos de tu operación —clasificar, extraer, transformar, validar— y convertirlos en artefactos propios, auditables y sin factura recurrente.
Cuando veas un flujo que llama a GPT-4o mil veces al día, pregúntate: ¿esto se puede compilar?
