Quién es Andrej Karpathy: el ex-Tesla y ex-OpenAI que democratiza la IA

¿Quién es Andrej Karpathy?

Andrej Karpathy es uno de los investigadores de IA más influyentes de la generación actual y probablemente el mejor comunicador técnico del campo. Si te preguntas quién es Andrej Karpathy: es el ex-director de IA de Tesla Autopilot, investigador fundador de OpenAI, y el YouTuber que enseña a construir GPT desde cero en videos que acumulan millones de vistas.

Nacido en Eslovaquia en 1986, Karpathy estudió en la Universidad de Toronto, obtuvo su maestría en la University of British Columbia y su doctorado en Stanford con Fei-Fei Li. Su tesis doctoral sobre la intersección de visión artificial y lenguaje natural sentó bases para los modelos multimodales que usamos hoy.

Lo que hace único a Karpathy en el ecosistema de IA es su capacidad de operar en tres niveles: investigador de frontera, ingeniero que implementa sistemas a escala (Tesla, OpenAI) y educador que hace accesible lo complejo. Para la comunidad tech peruana, sus tutoriales son una de las mejores formas de entender cómo funciona la IA por dentro.

Karpathy nació en 1986 en Bratislava, entonces parte de Checoslovaquia, y emigró a Canadá durante su adolescencia. Su trayectoria académica lo llevó de la Universidad de Toronto, donde se graduó en ciencias de la computación y física, a un doctorado en Stanford bajo la supervisión de Fei-Fei Li, una de las investigadoras más influyentes en visión por computadora. Esta formación en la intersección de teoría y aplicación práctica definió su estilo profesional: alguien capaz de producir investigación de frontera y al mismo tiempo hacerla accesible para miles de desarrolladores alrededor del mundo.

Lo que distingue a Karpathy de otros investigadores de su generación es su capacidad de comunicación. Mientras que muchos científicos de IA publican papers densos accesibles solo para especialistas, Karpathy ha dedicado una parte significativa de su carrera a enseñar conceptos complejos de manera clara y directa. Su blog, sus charlas y sus tutoriales en video han formado a una generación completa de ingenieros de machine learning, incluyendo muchos desarrolladores latinoamericanos que aprendieron deep learning a través de sus contenidos gratuitos.

De Stanford a OpenAI: los inicios

Durante su doctorado en Stanford (2011-2015), Karpathy trabajó con Fei-Fei Li en proyectos de visión artificial y generación de descripciones de imágenes. Sus contribuciones a ImageNet y a modelos que combinan visión y lenguaje fueron fundamentales.

En 2015, fue uno de los investigadores fundadores de OpenAI. Su trabajo inicial se enfocó en aprendizaje por refuerzo y generación de código. Durante su tiempo en OpenAI, contribuyó a las bases técnicas que eventualmente llevarían a los modelos GPT.

Pero lo que realmente puso a Karpathy en el mapa público fue un blog post de 2015 titulado «The Unreasonable Effectiveness of Recurrent Neural Networks», donde demostró que una red neuronal simple podía aprender a generar texto que parecía Shakespeare, código C o artículos de Wikipedia. Ese post, leído por cientos de miles de personas, hizo que muchos desarrolladores entendieran por primera vez el potencial de las redes neuronales.

El impacto educativo de Karpathy se extiende particularmente a América Latina. Su serie de tutoriales sobre construcción de redes neuronales desde cero, disponible gratuitamente en YouTube, ha sido vista millones de veces y traducida por la comunidad a múltiples idiomas incluyendo español. En universidades peruanas como la UNI, UTEC y la PUCP, profesores de ingeniería informática recomiendan sus videos como material complementario obligatorio en cursos de deep learning y procesamiento de lenguaje natural.

Su curso más emblemático, donde construye un modelo de lenguaje tipo GPT paso a paso en aproximadamente dos horas de video, democratizó el conocimiento que antes solo poseían investigadores con doctorados en las universidades más prestigiosas del mundo. Para un estudiante de ingeniería en Trujillo o Arequipa, acceder a este nivel de instrucción gratuita y de calidad mundial representa una oportunidad sin precedentes de cerrar la brecha educativa con estudiantes de Stanford o MIT.

Tesla Autopilot: IA a escala real

En 2017, Elon Musk reclutó a Karpathy como Senior Director de IA en Tesla, liderando el equipo de Autopilot y Full Self-Driving (FSD). Pasó de trabajar con datasets académicos a manejar la flota de visión artificial más grande del mundo: millones de autos Tesla recopilando datos de conducción en tiempo real.

En Tesla, Karpathy lideró la transición de un enfoque basado en múltiples sensores (cámaras + radar + ultrasonido) a un enfoque «vision-only» que usa solo cámaras, argumentando que si los humanos pueden conducir con solo visión, las redes neuronales también deberían poder hacerlo.

El trabajo en Tesla le dio una perspectiva única sobre los desafíos de implementar IA en el mundo real: latencia, casos extremos, seguridad, escalamiento. Estas lecciones influyen en cómo enseña y piensa sobre IA hoy.

Dejó Tesla en 2022 y regresó brevemente a OpenAI en 2023 antes de dejarlo también para enfocarse en educación y su propia startup, Eureka Labs.

La experiencia de Karpathy en Tesla tuvo implicaciones directas para la industria automotriz global y para el desarrollo de IA aplicada a la conducción autónoma. Bajo su liderazgo, el equipo de Autopilot migró de un sistema basado en múltiples sensores (cámaras, radar, ultrasonido) a un enfoque de visión pura que depende exclusivamente de cámaras. Esta decisión técnica, controversial en su momento, demostró que las redes neuronales profundas podían alcanzar niveles de percepción visual comparables o superiores a los sistemas multi-sensor.

Para el mercado automotriz peruano, donde la importación de vehículos Tesla comenzó a crecer en 2024, el trabajo de Karpathy determina directamente la calidad del sistema de conducción asistida que experimentan los conductores en Lima. Las calles de Miraflores, San Isidro y La Molina presentan desafíos particulares para Autopilot: señalización inconsistente, motocicletas que circulan entre carriles y peatones que cruzan fuera de los pasos designados. La robustez del sistema frente a estos escenarios se debe en gran parte a la arquitectura de redes neuronales que Karpathy diseñó para manejar situaciones atípicas no representadas en los datos de entrenamiento estadounidenses.

El educador: YouTube y los tutoriales que cambian vidas

Lo que distingue a Karpathy de otros investigadores de IA es su compromiso con la educación. Su canal de YouTube tiene videos como «Let’s build GPT: from scratch, in code, spelled out» que literalmente te enseñan a construir un modelo de lenguaje escribiendo cada línea de código.

Sus videos no son superficiales. Son sesiones de 2-4 horas donde construye sistemas completos desde cero, explicando cada decisión. Son usados por estudiantes de Stanford, ingenieros de Google y autodidactas en Perú por igual.

Otros recursos de Karpathy incluyen: el curso Neural Networks: Zero to Hero (serie completa en YouTube), minGPT (implementación educativa de GPT en PyTorch), nanoGPT (el GPT más pequeño y simple posible), y micrograd (un motor de autodiferenciación en 100 líneas de Python).

Para desarrolladores peruanos que quieren entender la IA por dentro (no solo usarla como caja negra), los recursos de Karpathy son invaluables. Complementan los cursos más formales de Andrew Ng con un enfoque más hands-on y orientado a código.

Eureka Labs y la visión de educación con IA

En 2024, Karpathy fundó Eureka Labs con la visión de crear «el curso perfecto» usando IA. La idea: combinar el mejor contenido educativo (creado por expertos humanos) con tutores de IA personalizados que se adaptan al ritmo y estilo de aprendizaje de cada estudiante.

El primer producto fue LLM101n, un curso para enseñar a construir un LLM desde cero, donde la IA asiste al estudiante en tiempo real. La visión a largo plazo es que la educación de calidad, actualmente limitada a quienes pueden pagar Stanford o MIT, sea accesible para cualquier persona con internet.

Para el contexto peruano, donde la brecha educativa en tech es significativa entre Lima y provincias, la visión de Karpathy es particularmente relevante. Si un tutor de IA puede personalizar la enseñanza de programación y machine learning, estudiantes en Huancayo o Cusco podrían aprender tan efectivamente como uno en San Francisco.

Eureka Labs también representa un modelo de negocio innovador que podría replicarse en mercados emergentes como el peruano. La idea de combinar la estructura pedagógica de un profesor humano experto con la capacidad de tutoría personalizada e ilimitada de un modelo de IA tiene el potencial de transformar la educación técnica en países donde la proporción de profesores especializados por alumno es insuficiente. En Perú, según datos del Ministerio de Educación, la brecha de docentes especializados en tecnología e ingeniería supera los 3,000 profesionales a nivel nacional.

¿Cómo afecta al mercado peruano?

Karpathy afecta al mercado peruano principalmente a través de la educación. Sus recursos gratuitos han formado a cientos de desarrolladores peruanos que hoy trabajan en IA. El ILIA 2025 de CEPAL, que posiciona a Perú en el puesto 7 de 19 en adopción de IA, refleja en parte la accesibilidad de recursos educativos como los que Karpathy produce.

Su trabajo en Tesla Autopilot también es relevante: a medida que los vehículos autónomos lleguen a Perú (probablemente primero en minería y logística), las técnicas de visión artificial que Karpathy desarrolló serán la base.

El D.S. 115-2025-PCM sobre uso de IA en entidades públicas generará demanda de profesionales formados en IA. Los recursos de Karpathy, junto con los de Ng y plataformas como Hugging Face, son la mejor forma de cerrar esa brecha de talento.

En el contexto del D.S. 115-2025-PCM, que promueve la capacitación en inteligencia artificial para funcionarios públicos y profesionales peruanos, los recursos educativos producidos por figuras como Karpathy son aliados estratégicos. El decreto establece la necesidad de desarrollar talento local en IA, y los contenidos gratuitos de alta calidad disponibles en plataformas como YouTube eliminan una de las principales barreras de entrada: el costo de formación especializada que en bootcamps privados puede superar los S/ 5,000.

El enfoque de Karpathy hacia la IA también incluye una perspectiva pragmática sobre los límites de la tecnología. En múltiples entrevistas y publicaciones, ha enfatizado que los modelos de lenguaje actuales son herramientas estadísticas sofisticadas, no inteligencias genuinas, y que los usuarios deben entender sus limitaciones para usarlos de manera efectiva. Esta visión equilibrada entre entusiasmo y cautela es particularmente valiosa para el mercado peruano, donde la adopción de IA avanza rápidamente y existe el riesgo de sobredimensionar las capacidades de estas tecnologías sin implementar las verificaciones humanas necesarias que recomienda el D.S. 115-2025-PCM.

Karpathy también publicó minGPT y nanoGPT, implementaciones compactas de la arquitectura GPT que permiten a cualquier desarrollador entrenar un modelo de lenguaje pequeño en su propia computadora, democratizando el acceso al conocimiento práctico sobre cómo funcionan estos sistemas internamente.

Preguntas frecuentes

¿Karpathy trabaja en Tesla?

Ya no. Fue director de IA en Tesla de 2017 a 2022. Después regresó brevemente a OpenAI en 2023 y luego fundó Eureka Labs en 2024 para enfocarse en educación con IA.

¿Sus cursos son gratuitos?

Sí. Todo su contenido en YouTube es gratuito, incluyendo la serie Neural Networks: Zero to Hero y el tutorial de GPT desde cero. También mantiene repos open source en GitHub (nanoGPT, minGPT, micrograd).

¿Karpathy es mejor que Andrew Ng para aprender IA?

Son complementarios. Ng es mejor para fundamentos teóricos y aplicaciones de negocio. Karpathy es mejor para entender la implementación técnica con código. Muchos estudiantes siguen ambos.

¿Qué es nanoGPT?

Es una implementación minimalista de GPT en PyTorch creada por Karpathy. Con menos de 600 líneas de código, puedes entrenar tu propio modelo de lenguaje. Es la herramienta educativa más clara para entender cómo funciona un LLM por dentro.

¿Karpathy fue cofundador de OpenAI?

Fue investigador fundador (founding member), no cofundador formal. Se unió a OpenAI cuando se fundó en 2015 y fue parte del equipo original de investigación antes de irse a Tesla en 2017.

La educación en IA es más accesible que nunca gracias a personas como Karpathy. Si tu negocio en Perú quiere ser visible en los motores de IA, trabaja tu posicionamiento GEO. En KOM te ayudamos — escríbenos al WhatsApp.