Acabas de contratar a un millón de malos empleados

Se suponía que la IA iba a reemplazar el trabajo humano.

Pero hizo lo contrario.

Por primera vez en la historia, los humanos son más baratos que el software.

Gasto en tokens por empleado en las mejores empresas

Y la IA está creando más empleos de los que elimina.

Crecimiento en el número de empleados después de la adopción de la IA

La tecnología siempre ha resuelto un problema creando otro.

En la década de 1830, la llegada del ferrocarril impulsó la mayor expansión de infraestructura que el mundo había visto jamás. El kilometraje de vías en Estados Unidos se multiplicó por 120 en una década.

Entonces el sistema colapsó.

El 5 de octubre de 1841, dos trenes chocaron fatalmente en el Ferrocarril Occidental de Massachusetts debido a una simple falla de coordinación.

A medida que crecía la complejidad de los ferrocarriles, los maquinistas individuales ya no eran suficientes para mantener la seguridad de los viajes en tren. Las compañías ferroviarias iniciaron así un esfuerzo de décadas: contratar gerentes para cada zona geográfica, definir nuevos roles dentro de la organización y establecer jerarquías claras con líneas de reporte. Había nacido la gestión moderna. Con ella, el ferrocarril se convirtió en la primera industria multimillonaria del mundo, representando en su apogeo aproximadamente el 60% del mercado de valores.

La IA está rompiendo el sistema de nuevo.

Acabamos de darle a cada empleado, incluso a los peores, una plantilla infinita y un presupuesto infinito.

Gestionar la IA es más difícil que gestionar personas, porque la IA escala la disfunción al instante. Afortunadamente, podemos aprender del pasado:

Las fuerzas laborales de agentes y las fuerzas laborales humanas fallan de la misma manera.

Comprender los 7 paralelismos principales entre ambas desbloqueará los próximos billones de dólares en la creación de valor de la IA.

Los 7 Paralelismos entre las Fuerzas Laborales de Agentes y Humanas

1. Tokenmaxxing es echarle más gente al problema.

El ciclo de hype del tokenmaxxing completó su curso completo en menos de un mes.

Pero la cantidad de tokens gastados nunca fue el problema real.

La gente gasta tanto en tokens porque no sabe cómo usarlos.

Quizás 1 de cada 100 empleados sabe cómo darle contexto a la IA. Es una raza rara de persona que puede articular un proceso claramente, que tiene la paciencia para empatizar con una ventana de contexto contaminada, o que siquiera entiende lo que eso significa.

Dale un arnés de agente a las otras 99 personas y generarán "loops".

2. Los loops son reuniones sobre reuniones.

En Claude Code/Cowork, Copilot, Autoresearch de Karpathy, o cualquier arnés, los loops son una curita para el hecho de que casi nadie sabe hacer prompts correctamente.

Los loops son un intento de fuerza bruta para compensar la insuficiencia humana. Los agentes se llaman a sí mismos para arreglarse a sí mismos solo porque un humano nunca articuló la tarea de manera clara. La fuerza bruta se convierte en el único camino del sistema hacia el progreso. Todo esto se deriva del fracaso humano para entender la tarea correctamente desde el principio.

Estás gastando tokens en gastar tokens.

3. Los tokens desperdiciados son la nueva hinchazón de personal.

La mayoría de las empresas hoy en día están mal gestionadas.

La gran mayoría de los trabajadores no impactan significativamente en el negocio en absoluto. Son engranajes en la máquina, estampando aprobaciones en cada capa y contratando más engranajes para alimentar una máquina que existe por existir.

Están haciendo loops.

A menudo es más eficiente cortar el loop. Elon eliminó al 80% del personal de X y la empresa rindió mejor. Los socios operativos de capital privado se ganan la vida arbitrando este simple hecho.

Así como el 80% de los empleados no hace nada, el 80% de los tokens hoy no hacen nada.

Las personas crean más personas. Los tokens crean más tokens. Hacer loops es la nueva construcción de imperios.

4. Los tokens 100X son los nuevos ingenieros 10X.

La promesa del software era que lo construiríamos una vez, lo ejecutaríamos para siempre a bajo costo y nunca necesitaríamos supervisarlo. La IA rompió esa promesa. Tan pronto como el software pudo hacer cualquier cosa, no pudo hacer una sola cosa de manera predecible.

Los tokens se comportan como una fuerza laboral, y en cuanto ves a los tokens como empleados, las promesas de la IA comienzan a desmoronarse:

• “Los tokens son más precisos que los humanos” pero solo cuando se les da el prompt correcto.
• “Los tokens son más rápidos que los humanos” pero la velocidad no significa nada en 100 reintentos.
• “Los tokens no hacen política” pero construyen imperios de gasto en tokens.
• “Los tokens no renuncian” pero mueren entre nuevos lanzamientos de modelos y nuevas sesiones.
• “Se puede confiar en los tokens” pero fallan con confianza en un formato perfecto.

El único lugar donde la IA realmente supera a los humanos es en la escalabilidad. Escalar humanos quema una enorme cantidad de energía en reclutamiento, incorporación y desgaste. Escalar tokens es instantáneo. Esta es exactamente la razón por la que gestionarlos mal es tan costoso, y por la que debes encontrar y escalar el token 100X.

El ingeniero 10X construyó la última era de empresas. El token 100X construirá la siguiente.

De la misma manera que un puñado de empleados hace que otros sean 10 veces más productivos, para cualquier trabajo dado, cierta cantidad de contexto de token puede reducir el esfuerzo de la IA en órdenes de magnitud. Existen tokens que te darán 100 veces más apalancamiento.

Los humanos son más baratos que los tokens en promedio, pero los buenos tokens son más baratos a escala.

La gestión convierte unos en otros.

5. Acaparar contexto es la táctica más reciente de seguridad laboral.

Hay un problema político masivo con la IA dentro de la empresa, y solo empeorará.

Los empleados no quieren enseñar a los sistemas de IA su salsa secreta.

Están empezando a darse cuenta de que estos sistemas no están solo para “ayudarlos” o “aumentar la productividad”.

Mira a Meta, donde los empleados que poseen acciones, que están enormemente incentivados para que la IA funcione, están indignados de que la empresa esté utilizando el contexto de los empleados como datos de entrenamiento. ¡Y eso es en una empresa de tecnología…! Un conflicto que es un microcosmos de lo que está a punto de suceder en todas las industrias.

https://x.com/Polymarket/status/2061903052966076882

El conocimiento tribal ha sido seguridad laboral durante siglos. Los gremios medievales mantenían sus métodos en secreto. La IA es la primera tecnología que pide a los trabajadores que lo entreguen todo de una vez.

Nadie entrena a su reemplazo gratis.

Las personas que poseen los tokens 100X tienen el menor incentivo para entregarlos. Emocional, estructural y políticamente, las empresas están programadas para rechazar la tecnología más importante para su futuro.

6. Las evaluaciones son los nuevos OKRs.

La mejor manera de gestionar una fuerza laboral de tokens es la misma que la mejor manera de gestionar humanos: definiendo cómo se ve el éxito.

El único caso de uso de IA que escapó de la política es la programación. Expandió el pastel e hizo mejores a todos los ingenieros.

El mecanismo son las evaluaciones. El 99% de los ingresos de la IA hoy provienen de la programación porque la programación tiene evaluaciones incorporadas. El código funciona o no.

Los casos de uso de IA más amplios y transversales solo se activarán cuando alguien construya las evaluaciones necesarias. Las evaluaciones específicas importan más que enseñar a tus empleados a hacer prompts o darles un arnés de chat. Con ellas, la IA devorará las partes de la economía que el código nunca pudo tocar.

El verdadero trabajo de la gestión es convertir procesos humanos difusos en código, expresar lo cualitativo como cuantitativo.

El conjunto de evaluaciones de una empresa se convertirá en su recurso más valioso.

Así como los OKRs son clave para aprovechar una fuerza laboral humana para obtener un rendimiento óptimo, las evaluaciones serán clave para aprovechar una fuerza laboral de tokens infinitamente escalable. Las evaluaciones son el camino para ejecutar tokens 100X.

Además, no hay dos empresas que tengan el mismo conjunto de evaluaciones. Las evaluaciones serán clave para la ventaja competitiva. Una organización que ejecuta evaluaciones genéricas o agentes genéricos no tiene ninguna ventaja.

7. La próxima oportunidad de un billón de dólares es la empresa de transformación.

Las empresas han estado comprando compromisos con modelos fundacionales, la capa de aplicación y construcciones internas durante años. Todo ello oculta una verdad brutal sobre la economía:

Nadie tiene la IA funcionando de manera fiable todavía.

Silicon Valley está tan convencida de este fracaso que su última obsesión es apostar en contra del negocio actual. Las startups “Neofirmas” o “Servicios Nativos de IA” están siendo financiadas para capturar los 21 billones de dólares de gasto en servicios en la economía del conocimiento, bajo la teoría de que las empresas establecidas, atrapadas en su propia política y procesos, nunca gestionarán la transición por sí mismas.

Las neofirmas bien podrían proporcionar la presión competitiva que catalice la adopción de la IA en las “empresas tradicionales”. Pero los mayores activos de IA todavía residen dentro de las empresas establecidas: procesos diferenciados que ya funcionan, escalables a través de canales de distribución que ya existen.

De hecho, los próximos grandes negocios no devorarán el gasto existente en servicios. Venderán un tipo de servicio completamente nuevo a los actores existentes:

Las “empresas de transformación de IA” serán 10 veces más grandes que cualquier neofirma.

La transformación suena como un proyecto único. Pero hay una paradoja de Jevons en juego: cada caso de uso que una organización adopta revela diez más. Cuanto más habilitada por IA se vuelve una empresa, más transformación consume, mientras que la frontera de lo posible avanza a diario. Los esfuerzos continuos de transformación de IA se convertirán en la única forma de competir.

Considera a Palantir, sobre el papel, la empresa más disruptible por Claude en el software: un negocio de medio billón de dólares que construye aplicaciones a medida para la empresa. Por la lógica que ha hecho que el SaaS sea casi no invertible, $PLTR debería ser un cero antes que $NOW.

No lo es, porque Palantir nunca estuvo vendiendo software. Estaba vendiendo transformación.

Pero la transformación en sí misma ha evolucionado desde los tiempos de Palantir. En un mundo dominado por la IA, es más que ontologías, software personalizado y el raro prompt a medida. El verdadero trabajo está en las evaluaciones, en la minimización de tokens, en entender un negocio tan profundamente que puedas programarlo.

Codificar los matices de cada empresa en agentes se convertirá en la tarea económica más grande de la década.

Es hora de gestionar.

Cada fase del boom de la IA ha tenido su cliché rector.

Nos dijeron que vendiéramos picos durante una fiebre del oro, y construimos infraestructura. Nos dijeron que vendiéramos “Servicio-como-Software”, y construimos neofirmas. Tenemos suficiente infraestructura. Tenemos suficientes servicios. Ahora el trabajo es hacer que los trenes funcionen a tiempo.

Es hora de inspeccionar la empresa: encontrar los tokens 100X, registrar los loops que funcionan y dirigir la inteligencia que se está desperdiciando masivamente.

Los humanos se volvieron más baratos que el software.

Alguien todavía tiene que decirles a ambos qué hacer.

Gracias a Sam Wolfe, David Oks, @WillManidis y @Alex_Danco por sus reflexiones aquí. Y a @ClaudeAI Fable 5, ejecutándose en demasiados loops, por su ayuda en la redacción de este texto.