Los despidos continuarán hasta que aprendamos a usar la IA
Autor original: Arnav Gupta, ingeniero de IA
Bao Yu, analista de IA

En la oficina de la alta dirección de nuestra empresa, en algún lugar yace una lista de despidos que incluye a hasta 8000 personas. Tengo un 10% de probabilidad de estar en esa lista. En unos días, el 20 de mayo, sabré mi destino.

Al ver el anuncio de hoy de Coinbase sobre "despidos por IA", decidí escribir este artículo. Hice un esfuerzo deliberado por comenzar antes del 20 de mayo, porque quería compartir algunas de las opiniones más auténticas, sin ningún tipo de emoción personal sobre "quedarme o irme". Estas ideas no tienen relación con si yo seré despedido o no, ni se limitan solo a la empresa en la que trabajo; provienen de las voces reales de mis amigos que trabajan en grandes y medianas empresas.

Actualmente hay una gran cantidad de artículos debatiendo si esta nueva ola de despidos (que muchos consideran que comenzó con Jack Dorsey despidiendo al 40% de los empleados de Square) se debe realmente a la IA o si simplemente se trata de una “limpieza con IA” (es decir, que las empresas usan la adopción de la IA como pretexto para ocultar otros fracasos comerciales o verdaderos motivos de despidos).

No quiero abrumarte con una multitud de enlaces a noticias y artículos académicos; probablemente ya los hayas visto o solo necesites hacer una búsqueda en Google o preguntarle a ChatGPT.

La altamente promocionada «productividad de IA» y la evidencia elusiva

¿Nos ha hecho la IA realmente más eficientes? ¡Esta es una pregunta contundente y muy debatida! Si pensamos al revés y afirmamos que «la IA no ha cambiado nada», creo que incluso las personas más escépticas sobre el valor de la IA no estarían de acuerdo con esta afirmación.

En particular en las empresas tecnológicas, el aumento explosivo en el uso de IA es un hecho evidente. Incluso las empresas más conservadoras, que limitan el presupuesto para IA y no proporcionan herramientas de IA a sus empleados, no pueden negar que parte del trabajo se realiza efectivamente por IA: aunque los empleados simplemente usen discretamente Gemini o Copilot en Google o Microsoft Office para editar documentos.

En cuanto a las empresas con mayor visión que se sumergen en el océano de los tokens de IA (la unidad básica que los modelos de IA procesan, y que las empresas suelen pagar según la cantidad de tokens consumidos), como Uber o Shopify (no incluyo aquí a empresas como Meta o Microsoft que desarrollan sus propios modelos de lenguaje grande, ni a Vercel o Cloudflare que activamente construyen infraestructura de IA; solo me refiero a «usuarios» puros), su uso de IA ha caído en la locura.

Ya nos resulta familiar: desde que el 90% al 100% del código sea generado por IA, hasta el aumento de 2 a 5 veces en la cantidad de revisiones de código (PRs/diffs) semanales, y hasta el agotamiento en cuestión de meses del presupuesto anual de IA de cientos de millones de dólares.

Sin embargo, críticos y inversores de tecnología como Ed Zitron, Will Manidis, Gary Marcus y Michael Bury ciertamente te harán una pregunta que toca el alma: si es así, ¿por qué los ingresos de estas empresas no han crecido de 2 a 5 veces? ¿Por qué sus aplicaciones parecen casi idénticas a las de hace seis meses? Si la IA es realmente tan productiva, ¿qué han producido con ella? Si escribieron cinco veces más código y los usuarios finales no lo notan, ¿qué sentido tiene ese código? Esta es una pregunta extremadamente aguda y razonable.

Ingreso, salida y resultado

Primero debemos intercalar una clase básica de gestión empresarial. Cuando una empresa mediana que crece rápidamente, tiene exceso de financiación y gasta dinero por todos lados finalmente se enfrenta a la escasez de fondos, vas a consultar a un CEO experimentado. Él te recomendará contratar a alguien de McKinsey para que eche un vistazo. Los consultores colocarán en la primera diapositiva de su presentación una diapositiva completamente blanca, con las tres palabras escritas en la fuente Arial predeterminada: «Inversión, salida, resultados».

Ellos te explicarán la esencia comercial que todos entienden, pero siempre olvidan:

Código, solo inversión.

La función es lo que produce.

El hecho de que los usuarios estén dispuestos a pagar por tu producto es el verdadero logro.

La IA (o al menos productos como Claude Enterprise) es esencialmente un producto de software empresarial (B2B SaaS). Descubrirás que los productos SaaS tienen distintas estrategias de fijación de precios y marketing. Si un producto puede cambiar directamente los «resultados», generalmente se lleva una comisión directa de esos «resultados». Imagina este discurso de ventas: «Nuestra herramienta puede aumentar su velocidad de generación de oportunidades de venta en un 36%. Pruébela ahora, pagando solo un bajo servicio del 5% sobre sus ventas».

Esto definitivamente superará a los clientes. Si, en otras condiciones iguales, antes necesitabas 100 días para cerrar 100 pedidos, ahora solo necesitas 63 días. ¡Los 36 días ahorrados (si mis cálculos son correctos) te permitirán cerrar 57 pedidos adicionales! Es decir, tu ingreso potencial aumenta un 57%. Cualquiera estaría encantado de destinar el 5% de sus comisiones de ventas a cambio de un 57% adicional de ingresos. Y si no usas este producto, no pagas nada.

Probablemente ya adivinaste lo que voy a decir: el modelo de precios de Claude para el consumo de tokens es completamente diferente. Si tu ingeniero de software está tan adicto a programar con Claude como si fuera una droga (acabo de darme cuenta de que ambas abreviaturas en inglés son «cc»), y genera 100 millones de tokens al día, tendrás que pagar 100 dólares diarios por cada ingeniero.

Incluso si una parte del código que generaron terminó en la basura por no funcionar;

Aunque algunos códigos posteriormente provocaron fallos sistémicos graves (SEV) (SEV significa Severity, un término comúnmente utilizado por empresas tecnológicas para referirse a accidentes en línea graves que causan interrupciones del servicio) y fueron revertidos de emergencia;

Incluso si aún queda parte del código, solo para darle un nuevo aspecto a las herramientas internas, para que los vicepresidentes encuentren más atractivo ver los paneles de datos;

Todo debe pagarse íntegramente. Porque el código es solo una «inversión». Aunque, en general, si la dirección es correcta, una mayor «inversión» suele generar más «resultados» y, por ende, mejores «logros». Sin embargo, cuando se multiplica la inversión por cinco en una sola noche, esta regla ya no necesariamente se aplica. Esas «inversiones» adicionales podrían de repente convertirse en moscas sin cabeza, desviándose por completo de los «resultados» o «logros» esperados.

¿Qué está realmente obstaculizándonos?

En el pasado, cada vez que el CEO o el product manager (PM) quería hacer 10 cosas, el equipo de desarrollo siempre decía que solo podían hacer las dos más importantes y no tenían tiempo para las otras ocho. ¿Cuál era la razón? Porque escribir código no es un juego de niños; desarrollar un software complejo y funcional requiere mucho tiempo.

Hmm... pero ahora el código es casi gratuito. ¿Por qué aún no hemos hecho las otras 8 cosas?

Hay dos respuestas: una que no les gusta al CEO y al product manager; otra que no les gusta a la gerencia intermedia y a los empleados experimentados.

Solo porque el CEO o el product manager tuvieron 10 ideas en su mente, no significa que realmente se puedan convertir en resultados empresariales reales. Incluso si realmente desarrollas 10 nuevas funciones (salida), no garantiza que los usuarios las acepten y usen más tu aplicación (resultado).

De hecho, precisamente debido a que anteriormente los recursos de desarrollo eran limitados, esta «fuerza de fricción» obligaba a todos a entablar discusiones más intensas, eliminando tempranamente las malas ideas antes de que consumieran demasiados recursos y seleccionando las dos mejores. Ahora, escribir código es rápido y barato, por lo que discutir la calidad de las ideas parece inútil. Incluso si intentas refutarlas, ¿crees que podrías impedir que el CEO o el PM se giren y le pidan directamente a Claude? Olvídalo, ni siquiera vale la pena intentarlo.

Todos sabemos lo agotador que es. Primero, hay que lograr que todos los interesados estén de acuerdo en el «por qué» hacerlo; luego, se necesita otra reunión para discutir exactamente «qué» hacer; y finalmente, todos deben debatir aún más sobre «cómo» hacerlo.

Cuanto mayor sea el número de equipos, más proyectos quedarán atrapados en el "infierno de alineación". Anteriormente, este problema estaba oculto por la lentitud en la escritura de código. Ahora, en cambio, tan pronto como se decide "hacer algo", inmediatamente alguien trabaja toda la noche para crear un producto mínimo viable (MVP) (un producto desarrollado con el menor costo posible que apenas muestra la idea central, utilizado para pruebas rápidas), y al día siguiente ya se programa la próxima reunión.

En la reunión, descubriste con sorpresa que otro equipo también había desarrollado en secreto un MVP. Aún peor, debido a que se basaban en supuestos diferentes, los lógicas de funcionamiento de ambos productos eran completamente opuestas.

Of course, you can sit down and take your time to discuss whose assumptions are correct.

Pero seamos honestos: tú y tu equipo, con infinitos tokens de Claude, ni siquiera se molestarían en hacerlo así. Otro equipo tampoco lo haría. Girarías sin dudar hacia Claude y le pedirías que reimplementara el trabajo del equipo contrario de la manera que tú consideras más perfecta. Y Claude solo respondería amablemente: «¡Tiene usted toda la razón!», y comenzaría inmediatamente a escribir código.

¿Qué problemas realmente resuelve el despido de personal?

Bien, gracias por escucharme hablar tanto sobre estos principios tan obvios. Sé que quieren ver el núcleo más esencial de la información.

¿Cuál es el objetivo real de los despidos? Según mi suposición, si la IA no ha reemplazado realmente al 30% de los empleados de manera uno a uno (esto debería ser un punto de consenso, ¿verdad? Aunque en muchas tareas es superior a los empleados de nivel inicial, en otras es inferior a los humanos: definitivamente no es un componente que se pueda insertar o extraer directamente, y mucho menos puede reemplazar directamente al 10%, 20% o incluso 30% de una empresa).

Entonces, ¿dónde está la lógica de los despidos? Porque resuelve de inmediato dos problemas a corto plazo sobre la mesa.

Esto es simplemente un problema aritmético básico de flujo de efectivo. Es obvio que si tus ingenieros adictos a Claude gastan 100 dólares diarios en Claude (es decir, 2,500 dólares al mes o 30,000 dólares al año), esa cantidad en la India equivale al salario completo de un ingeniero de desarrollo de software (SDE); en Europa, equivale a la mitad de un SDE; y en Estados Unidos, equivale a un cuarto de un SDE.

Si haces un cálculo simple y directo: supón que en una empresa plana, todos los empleados son SDE. Para mantener el gasto total en salarios actual (incluyendo el gasto en la compra de Tokens), debes despedir al 50% (India), 33% (Europa) o 20% (Estados Unidos) de los empleados.

De hecho, dado que el uso de IA está creciendo desenfrenadamente sin importar nada, mientras que los ingresos de la empresa no han aumentado en consecuencia, los despidos se convierten en una elección inevitable. De lo contrario, el balance general de la empresa colapsaría por completo. Si tus costos de inversión aumentaron un 50 %, pero los resultados comerciales finales no mostraron ningún cambio o permanecieron estancados, entonces la rentabilidad unitaria de todo tu ciclo de vida de desarrollo de software se ha derrumbado por completo.

Si realmente hubiéramos aprendido cómo usar la IA — cómo convertir un aumento del 50% en costos de inversión en un aumento del 50% en ingresos — no tendríamos que dar este paso. Pero como aún no lo has aprendido, algunos de ustedes tendrán que irse para liberar fondos y pagar los salarios de Anthropic.

Sin duda, el tamaño de cualquier gran empresa supera con creces el necesario simplemente para «sobrevivir». Esa es precisamente la naturaleza de las grandes empresas: las organizaciones grandes están destinadas a acumular «grasa organizacional», un resultado inevitable del diseño estructural de la organización.

En estas empresas, incluso si alguien se va, el sistema sigue funcionando porque siempre hay otras personas que saben qué hacía él. En muchas grandes empresas, incluso puedes tomarte con tranquilidad seis meses de licencia de maternidad y tu proyecto seguirá intacto. ¡Todo esto son señales positivas! Pero también es una prueba contundente: si se despidiera a una parte del personal, la empresa no se paralizaría de inmediato. Por el contrario, tras las primeras semanas de dolor sistémico, en los meses siguientes, la velocidad de funcionamiento incluso aumentará.

¿Recuerdas a esos dos equipos que se estaban enfrentando por la solución técnica? Es muy sencillo: simplemente despidas a uno de los equipos y deja que el que queda se quede varias noches en vela para terminar el trabajo; así ya no tendrán que «alinearse» con nadie más.

No podemos predecir qué sucederá a largo plazo (o, para citar al economista Keynes: «a largo plazo, todos estamos muertos»), pero a corto plazo, despedir al 10-20% de los empleados de grandes empresas solo hará que el ritmo de trabajo sea más rápido.

Con el tiempo, las grandes empresas inevitablemente acumulan redundancias y sobrecapacidad, al igual que acumulan una gran cantidad de "deuda organizacional" como lo hacen con la deuda técnica. Este es el mal común de las grandes empresas. Despedir al 10 % de la gente hoy no impedirá que los viejos problemas vuelvan a surgir dentro de dos años. Pero cuando ves a todos alabando que han entregado cinco veces más código que antes, pero no pueden lanzarlo porque otros equipos los están bloqueando, la solución más directa y más brusca es claramente: despedir a algunas personas, así nadie bloqueará a los demás.

Así es el despido por IA, incluso si la IA no te ha reemplazado directamente

¿Fue reemplazado tu número de empleado por una nueva instancia de Claude que se ejecuta en una máquina virtual? Todos sabemos que las cosas no son así.

Sin embargo, ¿no es cierto que en la empresa hay muchos procesos que antes requerían que tú escribieras o hicieras clic con el ratón en VS Code, Figma, Canva o Google Docs, pero que ahora se han convertido en tareas que otras personas (aquellos que antes necesitaban tus resultados) simplemente le gritan a un modelo de lenguaje grande una instrucción y ya no molestan más contigo? También es un hecho indiscutible.

¿Estos despidos realmente constituyen una «limpieza con IA»? Es decir, ¿acaso la empresa ya tenía problemas fundamentales no relacionados con la IA (como contratación excesiva, caída de ganancias, presión competitiva, malas decisiones comerciales) y ahora simplemente usa la IA como un «pretexto» para despedir? Bueno, en cierto sentido, esto también tiene sentido.

Es posible que también notes que, si recopilas todos los correos electrónicos de despidos enviados por los CEOs durante este período, podrías pensar que han creado un grupo de chat y se han reunido para coordinar la redacción de estos mensajes. “Equipo nativo de IA”, “gerentes que escriben código”, “aumentar la amplitud de la gestión”, “estructura plana”, “gestión de equipos de agentes de IA”… descubrirás que estos términos nuevos aparecen idénticamente en cada correo. Es como si le hubieran dado a GPT el mismo prompt.

Pero la verdad es que, incluso si estos despidos no se deben directamente a que la IA te reemplazó, y aunque estén mezclados con elementos de «limpieza de IA», estos despidos siguen siendo causados en última instancia por la IA. Y esta ola de despidos continuará hasta que realmente aprendamos cómo usar la IA.

Hasta que aprendamos cómo convertir la enorme cantidad de tokens de IA en resultados comerciales tangibles, y no solo en inversión en código; hasta que aprendamos a hacer que la velocidad de "alineación" entre organizaciones siga el ritmo de la codificación de la nueva generación; hasta que entendamos cómo utilizar esta productividad adicional para perseguir otros 10 nuevos conceptos con gran potencial, más allá de los 2 buenos ideas y 8 malas ideas originales.

Antes de que realmente entendamos cómo la IA impulsa realmente el crecimiento del PIB global, las empresas solo pueden compensar los gastos anuales de tokens, que suman hasta 70.000 millones de dólares (el total de ingresos empresariales de OpenAI y Anthropic), recortando los salarios de los empleados.

Y hasta que aprendamos cómo eliminar más eficientemente los cuellos de botella entre los equipos, la única solución siempre será: eliminarnos directamente del organigrama.

Quedan 15 días para que conozca mi destino. Pero sin importar el resultado, creo que ya sé la razón. Incluso si yo hubiera sido la persona que tomó la decisión en ese amplio despacho de CEO en el rincón, no sé si habría hecho mejor, probablemente habría tomado la misma elección que otros CEOs que crearon grupos.

Enlace original

Haz clic para conocer los puestos disponibles en BlockBeats

¡Bienvenido a la comunidad oficial de律动 BlockBeats!

Grupo de suscripción de Telegram: https://t.me/theblockbeats

Grupo de Telegram: https://t.me/BlockBeats_App

Cuenta oficial de Twitter: https://twitter.com/BlockBeatsAsia