Algo inusual está sucediendo en la tecnología.
Quienes construyen algunos de los sistemas de IA más importantes del mundo ya no describen la IA como una simple actualización de software. Hablan de inteligencia abundante, productos que se mejoran a sí mismos, empleos que desaparecen, asistentes de IA para todos, agentes autónomos y una AGI que llegará en cuestión de años, no de generaciones.
Lo fascinante es que no están completamente de acuerdo sobre lo que sucederá después.
Sam Altman ve que la inteligencia se volverá abundante y drásticamente más barata. Spenser Skates cree que la inteligencia residirá cada vez más dentro de los propios productos, creando una generación de productos que se mejoran a sí mismos. Dario Amodei advierte sobre una grave disrupción en el empleo administrativo de nivel inicial. Jensen Huang cree que la IA amplificará a los humanos y creará oportunidades económicas completamente nuevas. Satya Nadella dice que décadas de cambio tecnológico se están comprimiendo en solo unos pocos años. Demis Hassabis cree que hemos llegado a un momento crucial en la historia humana.
Al principio, suenan como predicciones diferentes. Creo que son capítulos diferentes de la misma historia.
Pónganlas juntas, y ofrecen una imagen sorprendentemente clara de lo que podría venir, y de cómo deberíamos prepararnos para ello.
SAM ALTMAN: LA INTELIGENCIA SE VUELVE ABUNDANTE
OpenAI ha enmarcado cada vez más la IA a través del lente de la economía de la abundancia. La idea básica es simple: a medida que la inteligencia útil se vuelve más capaz y drásticamente más barata, las actividades que antes requerían costosa experiencia humana se vuelven repentinamente posibles a una escala enorme.
Esa idea es más grande de lo que parece.
Durante la mayor parte de la historia humana, la inteligencia útil ha sido costosa porque residía dentro de las personas. Si querías experiencia, la sociedad primero tenía que educar a alguien durante años y luego competir por el tiempo limitado de esa persona. Un gran abogado solo puede atender a un número limitado de clientes, un programador solo puede escribir una cantidad limitada de código y un científico solo puede investigar un número limitado de hipótesis.
La IA cambia esas economías porque la inteligencia de las máquinas se puede copiar, escalar y estar disponible continuamente.
Imagina que la inteligencia se vuelve gradualmente algo más parecido a la electricidad. No empleamos electricidad ni programamos reuniones con ella. Simplemente accedemos a toda la que necesitamos, cuando la necesitamos.
Una startup de cinco personas podría tener capacidades analíticas y técnicas que antes requerían una multinacional. Una pequeña empresa podría tener algo parecido a su propio investigador, programador, diseñador y estratega. Los científicos podrían investigar preguntas que antes no valían los miles de horas humanas necesarias para explorarlas.
Construimos una economía basada en que la inteligencia era escasa. La IA podría convertir la inteligencia en infraestructura.
Y cuando algo pasa de la escasez a la abundancia, el valor económico suele trasladarse a otro lugar.
SPENSER SKATES: LOS PRODUCTOS EMPEZARÁN A MEJORARSE A SÍ MISMOS
Luego, el cofundador y CEO de Amplitude, Spenser Skates, lleva el argumento un paso más allá.
¿Qué sucede cuando toda esa inteligencia abundante no se limita a estar dentro de un chatbot esperando a que le hagamos preguntas? ¿Qué sucede cuando la ponemos dentro del propio producto?
Skates ha estado hablando de un futuro de productos que se mejoran a sí mismos: productos capaces de comprender continuamente cómo se están utilizando, descubrir problemas y oportunidades, experimentar con mejoras, aprender de los resultados y retroalimentar esas lecciones en lo que se construye a continuación.
Esa frase merece mucha más atención.
Durante décadas, el desarrollo de software ha operado a través de un bucle humano relativamente lento. Una empresa construye algo, los clientes lo usan, los datos se acumulan, los analistas estudian lo que sucedió, los gerentes de producto deciden qué debería cambiar, los diseñadores crean alternativas, los ingenieros las construyen y, eventualmente, otra versión llega a los clientes.
Luego, el proceso comienza de nuevo.
Cada etapa depende de que los humanos inicien la siguiente. La IA comienza a comprimir todo ese bucle.
Primero, el producto se construye más rápido. Las herramientas de codificación con IA reducen drásticamente el tiempo necesario para crear software y modificar productos existentes.
Luego, el producto observa. Los agentes de IA pueden observar continuamente cómo se comportan realmente los clientes, en lugar de esperar a que alguien investigue manualmente los paneles de control.
Luego, comprende. Esos agentes pueden identificar fricciones, comportamientos inusuales, problemas de conversión y oportunidades que los humanos quizás nunca habrían pensado en investigar.
Luego, experimenta. Se pueden crear y probar nuevas experiencias a una velocidad que los equipos de producto tradicionales no podrían alcanzar de manera realista.
Luego, aprende. Los datos de comportamiento revelan si un cambio realmente mejoró la conversión, el compromiso, la retención u otro resultado importante.
Y finalmente, mejora. Lo que el sistema aprende se retroalimenta directamente en lo que se debe construir a continuación.
Hoy en día, los humanos todavía controlan la mayoría de esas transiciones. Pero imagina lo que sucede a medida que el bucle se vuelve cada vez más autónomo.
Un producto nota que un grupo particular de clientes abandona repetidamente la incorporación. Un agente de IA investiga su comportamiento, identifica la fuente probable de fricción y propone varias alternativas. Los experimentos prueban esas alternativas, los datos de comportamiento revelan cuál funciona, y ese aprendizaje se retroalimenta directamente en la siguiente mejora.
El producto ya no es simplemente un software que la gente usa. Se convierte en un software que aprende a convertirse en un mejor software.
Eso cambia la ecuación competitiva.
La codificación con IA está haciendo que sea más fácil para todos construir rápidamente. Si cada empresa puede lanzar más rápido, simplemente producir más funciones se convierte en una ventaja menor. La ventaja se desplaza de lo rápido que construyes a lo rápido que aprendes.
Hay una distinción importante aquí. La IA puede generar software, pero crear algo y saber si los humanos realmente lo quieren son problemas completamente diferentes.
El primero requiere inteligencia. El segundo requiere comprender el comportamiento humano.
Esa puede ser la razón por la que la próxima generación de grandes productos no solo tendrá IA en su interior. Tendrán un bucle de retroalimentación continua que conecte la inteligencia con el comportamiento humano real.
El mejor producto puede no ganar.
El producto que aprenda más rápido podría hacerlo.
DARIO AMODEI: ¿QUÉ PASA CON EL PRIMER ESCALÓN?
El CEO de Anthropic, Dario Amodei, ve una consecuencia mucho más incómoda de una inteligencia cada vez más capaz.
Ha advertido que la IA podría alterar una gran parte del empleo administrativo de nivel inicial en solo unos pocos años. Cualquiera que sea el número exacto final, el problema estructural detrás de su advertencia merece una atención seria.
¿Qué sucede con el primer escalón de la carrera profesional?
Las empresas emplean analistas junior en parte porque alguien necesita investigar a los competidores, manipular hojas de cálculo y preparar presentaciones. Los bufetes de abogados emplean abogados jóvenes para revisar enormes cantidades de material. Las empresas de software asignan tareas de codificación relativamente sencillas a los desarrolladores junior.
Pero esos trabajos cumplen dos funciones. Producen trabajo para la empresa y, al mismo tiempo, producen humanos con experiencia.
El analista eventualmente desarrolla criterio y se convierte en director. El joven abogado que revisa documentos eventualmente maneja negociaciones complejas. El programador que corrige errores aburridos aprende gradualmente cómo se comportan los sistemas reales cuando algo sale mal.
Si la IA se vuelve excepcionalmente buena en el trabajo de nivel principiante, las empresas tienen un incentivo económico obvio para emplear a menos principiantes.
Eso crea una paradoja que no hemos resuelto: la IA podría eliminar el trabajo que las personas realizaban tradicionalmente mientras aprenden a hacer el trabajo que la IA aún no puede realizar.
Podríamos automatizar la base de la escalera sin descubrir cómo la próxima generación llega a la cima.
JENSEN HUANG: TODOS RECIBEN SUPERPODERES
El CEO de NVIDIA, Jensen Huang, ve otro lado de la ecuación.
Su predicción es maravillosamente simple: "Todos tendrán un asistente de IA".
El argumento más amplio de Huang es que la IA no solo sustituirá el trabajo humano. Amplificará lo que los individuos pueden lograr, creando potencialmente una demanda completamente nueva a medida que el costo de la inteligencia y la producción disminuye.
La historia le da cierta credibilidad a ese argumento.
Las hojas de cálculo no eliminaron a los contadores. Las computadoras no eliminaron a los oficinistas. Internet destruyó algunas profesiones mientras creaba industrias que antes no podían haber existido.
Por lo tanto, la IA podría eliminar enormes cantidades de trabajo sin eliminar el mismo número de empleos.
Si el software se vuelve diez veces más barato de crear, quizás la sociedad no necesite una décima parte de los desarrolladores. Quizás la humanidad decida construir cincuenta veces más software. Si la investigación científica se vuelve drásticamente más barata, quizás no necesitemos menos científicos; quizás los científicos intenten millones de experimentos que antes no eran económicamente viables.
Esto significa que Huang y Amodei podrían tener razón ambos. Algunas profesiones podrían contraerse drásticamente mientras categorías enteramente nuevas de actividad económica explotan.
Las revoluciones tecnológicas rara vez eligen entre destrucción y creación. Por lo general, ofrecen ambas, pero no necesariamente a las mismas personas al mismo tiempo.
SATYA NADELLA: EL VERDADERO PROBLEMA PUEDE SER LA VELOCIDAD
El CEO de Microsoft, Satya Nadella, ha descrito el cambio de plataforma actual con una frase que considero particularmente importante:
"¡Treinta años de cambio se están comprimiendo en tres años!"
La palabra comprimido puede importar más que casi cualquier otra cosa en este debate.
La humanidad ha sobrevivido a enormes transformaciones tecnológicas antes. La electricidad transformó fábricas y hogares. Los automóviles rediseñaron las ciudades. Las computadoras cambiaron las oficinas. Internet reorganizó la comunicación, el comercio y los medios.
Pero las sociedades tuvieron tiempo para adaptarse. La gente se jubilaba mientras las generaciones más jóvenes aprendían habilidades diferentes. Las universidades cambiaban los planes de estudio, los gobiernos creaban regulaciones, las empresas se formaban y fracasaban, y profesiones enteras evolucionaban gradualmente.
La IA podría crear un problema diferente porque la adaptación tecnológica podría ocurrir más rápido que la adaptación humana.
Imagina a alguien comenzando hoy un título universitario de cuatro años para una profesión cuyas economías podrían verse fundamentalmente diferentes para cuando se gradúe. O considera a un profesional de 45 años que pasó veinte años volviéndose excepcional en una tarea que de repente está disponible casi instantáneamente y a un costo casi nulo.
El mayor peligro puede no ser el cambio tecnológico en sí mismo. Puede ser la brecha cada vez mayor entre la velocidad a la que mejoran las máquinas y la velocidad a la que los humanos, las empresas y las instituciones pueden reinventarse.
DEMIS HASSABIS: ESTO PODRÍA VOLVERSE MÁS GRANDE QUE EL SOFTWARE
Luego llegamos al CEO de Google DeepMind, Demis Hassabis.
En agosto de 2026, Hassabis describió el período actual como "un momento crucial en la historia humana" y dijo que, después de trabajar hacia la AGI durante toda su carrera, cree que ahora está "al alcance de la mano".
Esto lleva la conversación mucho más allá de la productividad en el lugar de trabajo.
Una vez que la IA sea capaz de ayudar materialmente a los humanos a avanzar en matemáticas, biología, química, ciencia de materiales, ingeniería y medicina, la IA deja de ser simplemente otra industria tecnológica. Se convierte en una tecnología que acelera otras tecnologías.
La IA puede mejorar la robótica, ayudar a descubrir fármacos, diseñar nuevos materiales, escribir software, asistir en la investigación científica y ayudar a los ingenieros a diseñar mejores computadoras, que a su vez pueden ejecutar mejor IA.
Esto crea un bucle de retroalimentación: una mejor IA ayuda a los humanos a construir mejor tecnología, una mejor tecnología ayuda a los humanos a construir mejor IA, y el ciclo se acelera.
Por eso, comparar la IA con los teléfonos inteligentes podría subestimar drásticamente lo que está sucediendo. El teléfono inteligente cambió la forma en que los humanos accedían a la información.
La IA avanzada podría cambiar la rapidez con la que la humanidad descubre cosas nuevas.
PUEDEN TENER RAZÓN TODOS
Al principio, estos líderes parecen contarnos historias diferentes. Sin embargo, pongan sus argumentos en secuencia y comenzarán a verse sorprendentemente compatibles.
Altman dice que la inteligencia se vuelve abundante. Las capacidades que antes eran costosas están disponibles para casi todos.
Skates dice que los propios productos comienzan a aprender y mejorar. La inteligencia abundante se integra en el bucle de desarrollo de productos, conectando la construcción, la observación del comportamiento humano, la experimentación, el aprendizaje y la mejora.
Amodei dice que la inteligencia abundante altera el trabajo del conocimiento. Particularmente vulnerables pueden ser las tareas junior sobre las que se construyeron las carreras tradicionales.
Huang dice que la IA amplifica drásticamente a los individuos humanos. Los costos más bajos crean nueva demanda, nuevas empresas y categorías de trabajo completamente nuevas.
Nadella dice que todo esto sucede extraordinariamente rápido. La sociedad tiene mucho menos tiempo para ajustarse que durante revoluciones tecnológicas anteriores.
Hassabis dice que la IA eventualmente acelera el propio descubrimiento. La inteligencia comienza a ayudar a la humanidad a inventar la próxima generación de tecnología.
Estas no son necesariamente seis predicciones en competencia. Pueden ser seis capas de la misma transformación.
SIGUE LA ESCASEZ
Si estas personas tienen aunque sea parcialmente razón, hay una lección sorprendentemente práctica para cualquiera que esté pensando en su carrera, empresa o inversiones:
No construyas tu valor en torno a algo que la IA está haciendo abundante. Constrúyelo en torno a lo que se vuelve escaso porque la IA es abundante.
La atención se vuelve escasa. Cuando el contenido es efectivamente ilimitado, captar la atención humana genuina se vuelve más difícil y, por lo tanto, más valioso.
El criterio se vuelve escaso. Cuando el análisis se puede producir al instante, la pregunta difícil ya no es si puedes obtener un análisis. Es si sabes qué análisis merece ser confiado.
La dirección se vuelve escasa. Cuando la IA puede generar cientos de ideas y estrategias, otra idea no es necesariamente útil. Saber qué problema merece ser resuelto se convierte en la ventaja.
El pensamiento original se vuelve escaso. Cuando escritos, imágenes, software y presentaciones competentes pueden ser producidos por casi cualquier persona, tener algo genuinamente diferente que decir se vuelve más valioso.
La confianza se vuelve escasa. Las máquinas se comunicarán cada vez más de manera convincente mientras que el contenido sintético se vuelve más fácil de fabricar. Por lo tanto, la credibilidad humana se vuelve más valiosa, no menos.
El gusto se vuelve escaso. La IA puede crear posibilidades infinitas. Alguien todavía tiene que decidir cuál es realmente buena.
Y los productos que se mejoran a sí mismos crean una escasez más que puede importar enormemente: saber para qué debe optimizar el sistema.
Una máquina puede volverse extraordinariamente buena para lograr un objetivo. Un producto puede volverse extraordinariamente bueno para mejorar una métrica. Pero, ¿era el objetivo correcto? ¿Era la métrica correcta?
Esa ya no es principalmente una pregunta tecnológica.
Es una pregunta de juicio humano.
NO INTENTES CORRER MÁS QUE LA MÁQUINA
Durante décadas, los gerentes les decían a los humanos qué tareas realizar. Mañana, los líderes pueden definir cada vez más objetivos para combinaciones de humanos, agentes y sistemas que se mejoran a sí mismos.
El liderazgo se vuelve entonces menos sobre supervisar la ejecución y más sobre definir la dirección, las restricciones, los incentivos y el significado.
No pasaría la próxima década tratando de volverme ligeramente mejor en algo en lo que las máquinas mejoran exponencialmente. Aprendería a dirigirlas mientras fortalezco deliberadamente las habilidades que se vuelven más valiosas precisamente porque la inteligencia misma se está volviendo abundante: criterio, curiosidad, coraje, relaciones, liderazgo, responsabilidad y gusto.
Los ganadores de la era de la IA pueden no ser las personas que más saben sobre IA. Pueden ser las personas que entienden qué hacer con la inteligencia una vez que la inteligencia misma ya no es escasa.
Durante miles de años, la inteligencia le dio a los humanos un poder extraordinario. Ahora estamos construyendo máquinas que pueden hacer que la inteligencia esté disponible en todas partes, todo el tiempo, mientras los productos que nos rodean comienzan a observar, aprender y mejorar.
Quizás la pregunta definitoria de la era de la IA no sea si las máquinas eventualmente pensarán como nosotros.
Es algo mucho más incómodo:
¿En qué deberían convertirse los humanos cuando ser inteligente ya no sea suficiente para hacernos especiales?
