Revolución industrial de la IA: ¿Aún estamos usando flujos de trabajo antiguos?

Artículo escrito por Will 阿望

En el último año, he asistido a algunos congresos industriales sobre IA. En el escenario, los ponentes se sucedían demostrando las maravillas de la IA; abajo, la gente sacaba sus teléfonos para fotografiar la pantalla, publicaba en su círculo de WeChat y seguía desplazándose. Pero al regresar a la oficina, seguía habiendo las mismas reuniones semanales, los mismos procesos de aprobación y los mismos informes semanales. Las grandes empresas ya han incorporado el consumo de tokens en sus KPI, y algunos se han convertido en modelos de productividad mediante scripts que generan volumen. En el círculo de WeChat, hoy es la revolución de Claude, mañana Codex es increíble, pasado mañana Gemini es lo máximo: ¿están abrazando la revolución o simplemente corriendo de un evento a otro?

Estos son ruidos, no es la respuesta que quiero.

El verdadero problema no es si la IA es lo suficientemente potente: la máquina de vapor ya está construida; el problema es quién desmantela primero el viejo taller.

El día en que realmente comenzó la Revolución Industrial no fue cuando Watt mejoró la máquina de vapor, sino cuando los propietarios de fábricas de Lancashire decidieron alejarse de los ríos y reconstruir sus talleres alrededor de la máquina de vapor. Lo mismo ocurre con el momento más importante de la IA: no fue el día en que se inventaron los grandes modelos, sino el día en que la primera organización decidió desmantelar los procesos antiguos y reconstruir su forma de producción alrededor de la IA. Ese día aún no ha llegado. Pero ya está en camino.

Dos personas vieron esto desde muy temprano. El CEO de Notion, Zhao Yivan, escribió a finales de 2025 un artículo titulado «Steam, Steel, and Infinite Minds», con un juicio bastante frío: todavía estamos en la fase de «reemplazar la rueda de agua»: agregar chatbots de IA a las herramientas existentes, pero nadie ha rediseñado la fábrica. Leopold Aschenbrenner, exempleado de OpenAI, tomó un camino diferente: escribió un documento de 165 páginas titulado «Situational Awareness» y luego creó un fondo que creció de 225 millones a 13,680 millones de dólares, apostando todo a la infraestructura de IA. Uno mira hacia adentro; el otro apuesta hacia afuera.

Este artículo no trata sobre ellos. Es sobre nosotros: dónde nos encontramos ahora y qué parte de la historia estamos repitiendo.

Tejido con telar mecánico, grabado por J. Tingle tras Thomas Allom, 1835 / Wikimedia Commons

El día de la mayoría de las personas es así: por la mañana usan IA para escribir un correo, ahorrando diez minutos; luego pasan dos horas en una reunión semanal que no era necesaria; por la tarde copian y pegan el mismo conjunto de datos entre tres herramientas; por la noche publican en su círculo de amigos: «La IA realmente es genial». Los diez minutos ahorrados se consumen completamente por los procesos antiguos.

De la misma manera, cuando apareció la máquina de vapor, los fabricantes inicialmente solo reemplazaron las ruedas de agua por máquinas de vapor, manteniendo todo lo demás igual: las fábricas seguían construyéndose junto a los ríos, seguían siendo edificios de varios pisos y seguían utilizando un eje central para impulsar toda la línea de producción. Ahora, instalamos ChatGPT en Slack, incorporamos Copilot en Office y embeddamos ventanas de chat de IA en nuestros flujos de trabajo: estamos haciendo exactamente lo mismo. Las herramientas se han actualizado, pero el taller sigue igual.

Pero cambiar de máquina no equivale a cambiar de taller. McLuhan lo dijo bien:

Conducimos hacia el futuro mirando por el retrovisor. Intentar encajar nuevas herramientas en procesos antiguos es como los primeros filmes, que no eran más que obras de teatro filmadas. El verdadero avance llegará cuando alguien libere por completo la máquina de vapor de los ríos y rediseñe todo el sistema de producción en torno a esta nueva fuente de energía.

Al comparar la línea de tiempo de la Revolución Industrial con la IA, puedes ubicar aproximadamente dónde estamos en el mapa:

La línea de tiempo actual está extremadamente comprimida. La Revolución Industrial tomó 60 años pasar de la máquina de vapor a la fiebre de los ferrocarriles, mientras que la IA pasó de Transformer a la ola de construcción de centros de datos en solo 7 años.

La velocidad no es el problema; el problema es dónde nos atascamos: las primeras cuatro líneas aún están en la fase de instalar nuevas máquinas en viejas fábricas, se han instalado máquinas de vapor y se están colocando vías férreas, pero el método de producción permanece intacto. La sexta línea es el verdadero punto de inflexión. Probablemente nos atascamos entre estos dos pasos.

La máquina de vapor ya está en mano, pero el taller aún es antiguo.

La infraestructura siempre se sobrecapacita. Los inversores son los que terminan en quiebra, no la infraestructura.

En 1846, el Parlamento británico aprobó 263 leyes ferroviarias, autorizando la construcción de 9.500 millas de nuevas vías. La inversión ferroviaria alcanzó su punto máximo, representando el 13% del PIB británico. Las acciones ferroviarias se podían comprar con solo un 10% de depósito, lo que llevó a la clase media a entrar masivamente. La burbuja estalló en 1847. Un tercio de las líneas aprobadas nunca se construyeron, y numerosos inversores perdieron todo su capital. Darwin perdió un 60% en acciones ferroviarias, y su suerte fue mucho mejor que la de la mayoría.

Pero el ferrocarril se quedó.

La infraestructura de IA de hoy sigue el mismo camino. Según el último cálculo de Goldman Sachs, el gasto en capital global en infraestructura de IA alcanzará 765 mil millones de dólares en 2026 y se espera que llegue a 1.6 billones de dólares anuales para 2031. La proporción del gasto en capital de los grandes proveedores de nube respecto al flujo de efectivo operativo aumentó del 40% aproximadamente en 2023 al 70% cerca en 2025. Las inversiones relacionadas con la IA ya representan aproximadamente una cuarta parte de todas las inversiones en Estados Unidos. Los 13,68 mil millones de dólares de Aschenbrenner apuestan precisamente en este nivel: él no apuesta por qué aplicación ganará, sino por la capacidad de cómputo subyacente.

Este ciclo de capital es isomorfo al desarrollo inmobiliario. Construir un centro de datos es como construir un edificio: la tierra es la electricidad, los materiales de construcción son las GPU y el almacenamiento, los contratistas son los constructores de centros de datos, los desarrolladores son los proveedores de nube, los inquilinos son las empresas de aplicaciones de IA, y el alquiler es el ingreso por API. El modelo de negocio de los proveedores de nube se basa en financiar préstamos con alquileres: utilizan los ingresos por API para cubrir los gastos de capital del centro de datos, esperando un salto en la valoración impulsado por la explosión de las aplicaciones de IA.

(Hash power real estate: Each generation has its own infrastructure)

El riesgo central es el mismo: ¿la velocidad de caída del precio por API está siendo compensada por la velocidad de crecimiento del volumen de solicitudes? Si los alquileres caen por debajo de la línea de pago de la hipoteca —el peor pesadilla que conocen los desarrolladores inmobiliarios—. La lección de 2008 no fue que se construyeron demasiadas casas, sino que la estructura de las viviendas construidas no coincidía con la demanda real. El riesgo equivalente en IA es: exceso de capacidad de cómputo general, pero escasez de capacidades especializadas capaces de manejar escenarios de alto valor como cumplimiento financiero o diagnóstico médico.

Ferrocarriles, bienes raíces, IA: tres generaciones de inversión en infraestructura, compartiendo la misma regla: la sobreconstrucción es la norma, los proveedores de materiales siempre pierden el poder de fijación de precios, y los rendimientos a largo plazo siempre pertenecen a los propietarios de «ubicaciones clave». Mire los portafolios de los fondos del Q1 en Wall Street: con alta probabilidad, el 80% está concentrado en esta capa de infraestructura: NVIDIA, centros de datos, infraestructura en la nube. Pero el entusiasmo por los ferrocarriles nos enseña: esto no es toda la revolución de la IA, ni siquiera la capa con los rendimientos más altos.

¿Cuál es el lugar central de la IA? Son los datos industriales únicos y los flujos de trabajo profundamente integrados. Para las personas, el verdadero «lugar central» no son las acciones que poseen, sino su juicio y conocimiento industrial irremplazables: siempre y cuando ya hayan reconstruido la forma de utilizarlos en torno a la IA.

La verdadera recompensa está en el siguiente nivel. Pero entre la infraestructura y la creación de valor, no hay una conexión fluida. Hay una brecha en medio: históricamente, esta brecha ha devorado décadas.

Las personas que desmantelan talleres y las personas que "usan IA para aumentar la eficiencia" no están haciendo lo mismo.

Simon, cofundador de Zhao Yivan, antes era un "programador de diez veces más rápido", pero ahora rara vez escribe código directamente: controla simultáneamente tres o cuatro agentes de codificación de IA, logrando una eficiencia de 30 a 40 veces mayor. Notion ahora tiene 1000 empleados y más de 700 agentes de IA. La diferencia no está en las herramientas, sino en que Simon desmanteló su antiguo taller, mientras que la mayoría solo cambió su rueda de agua.

600 millones de usuarios en China han utilizado herramientas de IA generativa, un aumento del 142% interanual: este es el mayor mercado de demanda de IA del mundo. Sin embargo, casi ninguna empresa china ha reconstruido sus flujos de trabajo centrales en torno a la IA. La mayor demanda global del mundo, combinada con casi ninguna变革 organizacional en la oferta. Esta contradicción en sí misma es una señal: no faltan herramientas, sino que las organizaciones no han avanzado. El contexto del trabajo del conocimiento está disperso en decenas de herramientas y en las mentes de decenas de personas, los resultados no son verificables, y nadie sabe cómo evaluar si una nota estratégica es efectiva.

(Impactos en el mercado laboral de la IA: Una nueva medida y evidencia inicial)

Anthropic ya ha actuado a una escala mayor. Han lanzado el Economic Index, que utiliza datos de uso real para mapear qué tareas e industrias serán reemplazadas primero por la IA, y luego han construido sobre este mapa: formando una empresa de servicios empresariales nativos de IA en asociación con Goldman Sachs, Blackstone y Hellman & Friedman; estableciendo una alianza global con KPMG, permitiendo que 276.000 empleados accedan a Claude; y creando un grupo de negocios en Accenture, con 30.000 personas capacitadas, enfocándose en finanzas, ciencias de la vida y atención médica.

Estas consultoras no actúan como usuarios de la IA, sino como ingenieros ferroviarios de la IA: no construyen máquinas de vapor ni colocan rieles, sino que ayudan a las empresas a demoler fábricas antiguas y reconstruir líneas de producción en torno a la nueva energía. Sin este rol, la mayoría de los propietarios de fábricas no sabrían por dónde empezar.

Las señales ya están parpadeando. La más aguda proviene del mercado laboral.

Los jóvenes de 22 a 25 años que ingresan a profesiones con alta exposición a la IA tienen un 14% menos de probabilidades de encontrar trabajo que sus pares que ingresan a profesiones con baja exposición. Los puestos de nivel inicial ya están siendo presionados.

Si soy un recién graduado, este número afecta directamente mi búsqueda de empleo. Si soy un gerente, el próximo grupo de puestos junior que contrate podría no ser humano.

La organización se está desmantelando, ¿y qué pasa conmigo? Mi título académico, mi historial laboral, la experiencia industrial que he acumulado estos años: todo esto es mi rueda de agua. Antes impulsaba toda mi línea de producción, pero ya ha llegado la máquina de vapor. Los 985 y 211 ya no son un foso defensivo; solo demuestran que alguna vez construí una buena fábrica junto al río.

The question now is whether we have the ability to leave that river.

Los datos de Anthropic muestran que los usuarios que han utilizado herramientas de IA durante más de 6 meses tienen un 10% más de éxito en las tareas que los usuarios nuevos. Quienes comenzaron hace seis meses ya llevan una ventaja del 10%, y esta brecha se multiplicará con el tiempo.

Pero hasta ahora, ninguna empresa ha quebrado por no usar IA; al menos, mi bufete sigue avanzando a gran velocidad en torno a la IA. Los ganadores aún no han sido elegidos por el mercado. La curva de aprendizaje es real: quienes comenzaron antes ya están acumulando ventajas, pero la mayoría aún está en el punto de partida.

¿Existirá mi título profesional actual dentro de diez años? ¿Cuántas de las herramientas que usaba diariamente hace cinco años aún me quedan hoy? La respuesta probablemente sea que no. Pero no sé cómo se llaman las cosas que las reemplazarán, porque aún no existen.

Siempre ha sido así en la historia. Las cosas nuevas no se planifican; surgen por sí mismas cuando desaparecen las viejas restricciones.

Antes de la construcción de los ferrocarriles, Reino Unido era una colección de economías locales aisladas. El precio de la tela de algodón en Manchester podía diferir en un 30% del de Londres. Cada ciudad tenía su propio estándar horario, y nadie lo consideraba un problema. En los veinte años siguientes a la construcción de los ferrocarriles, todo cambió. Por primera vez surgió un mercado nacional unificado, y las diferencias de precios se eliminaron; el horario estándar fue impuesto por los ferrocarriles, no inventado; trabajos como los de los jefes de estación, los operadores de telégrafo y los agentes de viajes no existían antes de los ferrocarriles.

Nadie que construyera ferrocarriles previó los grandes almacenes. Nadie que construyera máquinas de vapor previó el tiempo estándar.

(Vapor, acero e IA inteligencia infinita)

La historia de la ciudad cuenta la misma historia. Hace cientos de años, las ciudades eran a escala humana: cuarenta minutos caminando por Florencia. La estructura de acero hizo posible los rascacielos, los ferrocarriles conectaron la ciudad con su hinterland, y llegaron los ascensores, el metro y las autopistas. Tokio, Chongqing, Dallas: estos no son Florencias más grandes, son formas de vida completamente nuevas.

El trabajo de conocimiento actual también es a escala humana. Equipos de decenas de personas, reuniones y correos electrónicos que marcan el ritmo; más allá de cientos de personas, se vuelve insostenible. Estamos construyendo Florencia con piedra y madera. La IA hace posible «Tokio»: organizaciones compuestas por miles de agentes de IA y personas, con flujos de trabajo que operan continuamente a través de zonas horarias. Las reuniones semanales, la planificación trimestral y las revisiones anuales podrían ya no tener sentido.

Simon ya no escribe código; su trabajo se ha convertido en «gestionar agentes de IA». Hace dos años, este puesto no existía. Mi próximo título profesional probablemente aún no tiene nombre. Pero alguien ya está construyendo el futuro que aún no sabemos cómo llamar.

Después de desmantelar el antiguo taller, ¿qué se construye? La respuesta de YC es: que la empresa mejore su propio desempeño.

Su sistema interno ahora se modifica a sí mismo por la noche. Un empleado publicó una consulta durante el día, que falló. Un agente de supervisión leyó el fallo, rastreó la causa, escribió código para arreglarlo, lo envió para revisión y lo implementó en producción. Al día siguiente, la misma consulta se ejecutó correctamente. Todo el proceso se completó mientras todos dormían.

Esto no es que la IA ayude a las personas a producir un 30% más. Esto es que el sistema completó por sí solo todo el ciclo, y descubrió por sí mismo cómo mejorar.

El socio de YC, Tom Blomfield, llamó a este tipo de empresa «ciclo de IA de auto-mejora recursiva» en una charla interna. Su juicio es directo: la mayoría de las empresas aún son legiones romanas — transmisión jerárquica hacia abajo y retroalimentación jerárquica hacia arriba, con las personas actuando como conductos de información. Lo que la IA rompe no es la eficiencia de un solo eslabón, sino la premisa misma sobre la que se basa toda esta estructura jerárquica.

Su nueva lógica es: quema tokens, no cabezas. El cuello de botella está pasando de mano de obra a capacidad de cómputo. Los datos que YC observó muestran que las empresas que llegaron al Demo Day tienen un ingreso per cápita aproximadamente cinco veces mayor que hace 18 meses. El rol de la gestión intermedia está siendo asumido por la IA: la tarea de "coordinación" ya no requiere humanos. Cada persona debe ser un IC, un builder o un operator, y cada tarea debe tener un responsable con nombre, no un comité.

También hay un prerequisito: la empresa debe ser «legible» para la IA. Lo que no se registra, para la IA es como si no hubiera sucedido. YC ahora archiva todos los correos electrónicos de los socios, registra todos los mensajes de Slack y las grabaciones de las horas de oficina. Un socio utilizó 2.000 horas de grabaciones acumuladas en tres meses para que la IA generara un nuevo manual interno de 150 páginas, mucho mejor que la versión original. Este manual se actualiza automáticamente cada mes y se ha convertido en un «cerebro vivo» que siempre está actualizado.

Tom dejó una pregunta:

Si hoy empezaras tu empresa desde cero, ¿la construirías de esta manera? Si tu empresa ya tiene una estructura jerárquica, entonces debes responder a otra pregunta más difícil: ¿el dolor de reconstruirla sería menor que el costo de seguir operando como una legión romana?

La gente no está en el centro del taller, sino en el círculo externo: encargada de aquellas áreas donde la IA aún no puede llegar: juicios en persona, situaciones nuevas y momentos de alta apuesta y alta emoción. El centro de la empresa es un “cerebro corporativo” compuesto por datos, registros y conocimiento del sector. El software que corre sobre él es un bien consumible: si se puede generar, se puede generar de nuevo. Lo valioso está en la mente de las personas: cómo funcionan los negocios, qué pasos implican juicio; esa comprensión es el verdadero activo.

Zhao Yivan describe en "Steam, Steel, and Infinite Minds" el otro lado de esta dirección: una organización donde 1,000 empleados y más de 700 agentes de IA colaboran, con los humanos encargados de la toma de decisiones y los agentes de la ejecución. Aschenbrenner apuesta por la infraestructura de poder de cómputo, mientras que Zhao Yivan apuesta por la reestructuración organizacional. Ambos caminos conducen finalmente al mismo destino: un nuevo modo de producción reconstruido en torno a la IA.

Entre las décadas de 1840 y 1850: los ferrocarriles ya estaban construidos, pero las fábricas aún no se habían reconstruido.

¿Dónde estamos? Simon ya no escribe código. Su molino de agua lo desarmó él mismo.

El problema nunca fue si la máquina de vapor era lo suficientemente buena; el problema fue quién desmanteló primero el viejo taller.

No planeo predecir los grandes almacenes del futuro; solo pretendo hacer bien mi trabajo: simplemente asegurarme de estar junto a la vía férrea, no junto a un río que se seca.

¿Y tú?