Autor: TT3LABS, plataforma de contratación remota Web3/AI/SaaS
El 26 de febrero de 2026, la gigante de tecnología financiera Block anunció la eliminación de más de 4,000 puestos de trabajo, reduciendo su equipo de más de 10,000 personas a menos de 6,000. El CEO Jack Dorsey mencionó en su carta a los accionistas:
Smart tools have changed what it means to create and run a company... a significantly smaller team, using the tools we're building, can do more and do it better.
Dorsey también dio su pronóstico extremadamente frío:
I think most companies are already late. Within the next year, most companies will reach the same conclusion and make similar structural adjustments.
Después del cierre del mercado, el precio de las acciones de Block aumentó más del 20%. Esta es la respuesta del mercado de capitales con dinero real: pagar por el apalancamiento y la eficiencia de IA de la empresa.
Una persona común sin conocimientos de programación puede, con la ayuda de modelos de gran tamaño, lanzar independientemente una aplicación funcional completa en una sola noche. Por lo tanto, los mercados financieros inevitablemente plantearán una pregunta aguda: ¿qué valor sigue teniendo el enorme costo laboral de las grandes empresas tecnológicas que emplean a decenas de miles de programadores para mantener el funcionamiento diario de una superaplicación?
La tendencia de reemplazar el trabajo humano con IA hará que más grandes empresas sigan el ejemplo. Es inevitable sentir ansiedad, pero solo preocuparse no sirve. Debemos comenzar por comprender los cambios en el entorno general y luego avanzar paso a paso hacia estrategias de supervivencia individuales.
La IA no es solo una herramienta, está convirtiéndose en medio de producción
Algunas personas en el mercado están comenzando a usar "Web4" para definir la etapa actual. Para aclarar la evolución, primero repasemos las distintas etapas del desarrollo de internet:
Web2
El núcleo es la interacción entre software y seres humanos; distintas plataformas obtienen la atención del usuario mediante algoritmos, lo que en esencia es una batalla por capturar tráfico.
Web3
Intenta resolver los problemas de atribución de derechos y distribución de valor de los activos digitales. Muchas personas lo simplifican al equipararlo con las criptomonedas, pero desde una perspectiva esencial, aún se mantiene en el ámbito de la negociación de reglas de distribución de riqueza y no aborda las relaciones de "producción y fabricación" de productos digitales.
Víspera de Web4
La IA por primera vez toca la propia transformación de las relaciones de producción. Ya no es solo una herramienta para aumentar la eficiencia, sino que está convirtiéndose en un nuevo tipo de medio de producción. Quien la use mejor podrá elevar el límite de producción en un orden de magnitud.
En la colaboración tradicional en equipos, existen muchos costos implícitos: el juicio y la intuición industrial de un líder excelente son difíciles de replicar para los subordinados, y los malentendidos y los retrasos por rehacer tareas son inevitables al ejecutar en grupo. Estos son los "impuestos ocultos" del funcionamiento organizacional, que antes no tenían una solución clara. La IA reduce significativamente este impuesto oculto: no tiene curva de aprendizaje, puede ejecutar tareas de alta calidad con instrucciones claras y procesar múltiples líneas de tarea simultáneamente. La capacidad estratégica de una sola persona, combinada con la palanca ejecutiva de la IA, puede generar el mismo volumen de producción que un equipo completo en el pasado.
Claro, la IA aún a veces "dice tonterías con toda seriedad", lo que hace que la revisión y el juicio humanos sigan siendo indispensables. Pero la confiabilidad del modelo mejora mensualmente, y la ventana de margen para puestos puramente ejecutivos es mucho más corta de lo que la mayoría cree.
Igualdad de eficiencia y crisis profunda: tras eliminar el umbral de entrada
A corto plazo, las personas comunes pueden obtener una ventaja de eficiencia al integrar herramientas de IA. Pero si se proyecta hacia adelante, cuando la IA elimine las diferencias básicas de eficiencia y reduzca significativamente la barrera de entrada profesional, las empresas descubrirán que, tras un aumento sustancial en la productividad individual, mantener la misma cantidad de empleados se convierte en un pasivo si la escala general del negocio no se expande proporcionalmente.
Mire la brecha salarial actual. Según los datos de monitoreo de puestos de TT3LABS, desde 2025, el mercado laboral de IA ha visto repetidamente paquetes salariales de "más de diez millones de dólares", y estos candidatos son jóvenes ingenieros de IA sin mucha experiencia en "habilidades de gestión de equipos". Cuando Meta reclutó a investigadores clave de OpenAI, solo la bonificación de contratación superó los 100 millones de dólares; la compensación promedio en acciones para empleados de OpenAI alcanzó 1,5 millones de dólares, y el salario base anual para ingenieros de investigación senior en Anthropic llegó hasta 690.000 dólares (sin incluir acciones).
El capital que se gasta en esto compra una capacidad escasa: hacer que la propia IA sea más fuerte. Las personas que pueden impulsar la evolución de los modelos subyacentes tienen un valor que puede multiplicarse geométricamente en toda la red comercial. Mientras que otros, cuyas tareas puedan ser cubiertas por la IA a un costo más bajo, podrían ver reducida su valoración.
Esto también desencadena una crisis potencial más profunda. Ahora, la primera reacción de cada vez más personas ante un problema es pedirle a la IA que les dé una respuesta, saltándose el proceso intermedio de razonamiento, verificación y prueba por ensayo y error; con el tiempo, esto llevará a la pérdida de la capacidad de pensar. El problema es que precisamente este "esfuerzo torpe" es el que moldea tu intuición frente a los problemas. Depender a largo plazo de la IA para realizar este proceso hará que tu rol en el trabajo se reduzca al de un "traductor de requerimientos": convertir las solicitudes de otros en entradas para la IA y luego transmitir las salidas de la IA a otros. Y precisamente este paso intermedio es el que la próxima generación de IA podrá saltar fácilmente.
Impact Map: ¿En qué posición te encuentras?
El miedo sin coordenadas es solo ansiedad. Antes de discutir estrategias, necesitamos trazar un "mapa de impacto". Esto no es para generar pánico, sino para que cada uno se ubique.
Puestos cuyas tareas de alto riesgo pueden ser claramente especificadas por instrucciones
Codificación básica, análisis de datos elemental, generación estandarizada de informes, diseño basado en plantillas, revisión y corrección de traducciones habituales. Estos puestos comparten la característica común de que su trabajo puede descomponerse claramente en "entrada → procesamiento → salida". Una gran parte de las más de 4000 personas despedidas por Block caen dentro de este rango. Sus habilidades profesionales no son deficientes, pero las tareas que realizan son exactamente las que los grandes modelos pueden desempeñar.
Un estándar para preguntarte a ti mismo: si todo tu trabajo puede describirse en una sola instrucción de IA, entonces la máquina ya tiene las condiciones para reemplazarte; lo único que queda es cuándo la empresa tomará esta decisión.
Los traders intermedios experimentados dicen que el rango está siendo "comprimido".
Gerente de proyecto, director de operaciones, ingeniero intermedio. Sus trabajos implican juicio y coordinación; la IA no los reemplazará a corto plazo, pero sí los está "comprimiendo". Anteriormente, una cadena de negocio requería que cinco niveles medios gestionaran cada sección y se alinearan entre sí; ahora, la IA asume la ejecución aguas arriba y abajo, y solo una o dos personas pueden hacer funcionar toda la cadena.
El grupo enfrenta la situación de "haber menos puestos disponibles". Tus habilidades no han disminuido, pero la demanda del mercado para tu rol está cayendo drásticamente. La salida para este grupo es utilizar la IA para amplificar la ejecución hacia abajo y obtener el derecho a definir los problemas hacia arriba.
Maestro de la incertidumbre del valor
Hay un tipo de trabajo cuyo núcleo no es "hacerlo bien", sino "tomar decisiones cuando la información nunca es completa y asumir las consecuencias". Negociaciones comerciales complejas, gestión de crisis de relaciones públicas, administración organizacional intercultural, juicios de inversión de alto riesgo. La IA puede proporcionar análisis y recomendaciones, pero no puede firmar por ti, no puede cargar contigo la responsabilidad, ni puede leer en una cena los intereses detrás de una mirada.
Estos roles no solo no se deprecian, sino que, debido a que los costos de ejecución subyacentes se reducen significativamente por la IA, el mismo presupuesto puede impulsar proyectos más grandes, extendiendo la palanca disponible para los tomadores de decisiones.
En la vida real, muchas personas tienen trabajos que abarcan más de un nivel. Una forma sencilla de autoevaluarte: piensa en tu contenido laboral diario, ¿cuánto puede ser explicado con una sola instrucción y cuánto requiere que tú tomes decisiones en medio de la incertidumbre? Cuanto mayor sea el porcentaje del primer caso, más necesitas cambiar pronto.
Detén la ansiedad por las herramientas y convierte la potencia computacional pública en una barrera privada
A finales de enero, OpenClaw ("cangrejo de río") surgió de la nada y en pocos días superó 170.000 estrellas en GitHub. Los fabricantes de modelos siguieron rápidamente: Alibaba Cloud lanzó implementación con un solo clic, Tencent publicó CoPaw como competidor, y MiniMax y Kimi también lanzaron sus propias soluciones compatibles.
Luego te darás cuenta de un fenómeno interesante: mucha gente pasó este mes más tiempo investigando "cómo desplegar langostinos" y "comparar qué paquete es más rentable" que el tiempo que realmente dedicaron a generar resultados empresariales con IA. Todos persiguen herramientas, pero una vez que las consigues, cualquier otra persona puede copiar tu configuración en solo dos horas.
Todos los modelos de lenguaje grandes: OpenAI, Anthropic, Meta, Google, xAI — se entrenan con los mismos datos públicos de internet. Por lo tanto, son esencialmente iguales, y por eso están siendo comercializados a un ritmo extremadamente rápido.
— Larry Ellison, llamada de resultados del Q2 del año fiscal 2026 de Oracle
En otras palabras: si tu trabajo depende únicamente de las capacidades públicas de modelos grandes generales, tu producción será homogénea, incluso si tus instrucciones son más elaboradas, no existirá una ventaja competitiva.
The real barrier lies in moving from public to private.
Ya existe una tendencia muy clara: desde grandes empresas hasta equipos de startups, cada vez más organizaciones están implementando modelos privados localizados. La razón directa es la seguridad de la información; nadie quiere entregar sus datos empresariales clave a API de terceros. Pero esta tendencia tiene una consecuencia en cadena subestimada: cuando los principales actores del sector cierran sus datos y conocimientos dentro de implementaciones privadas, la información industrial disponible en la red pública que los modelos generales pueden aprender se vuelve cada vez menos y más obsoleta. A primera vista, la IA reduce la barrera de conocimiento para todos, pero el conocimiento industrial verdaderamente valioso está desapareciendo aceleradamente de la red pública, hundiéndose en las bases de conocimiento privadas de cada empresa.
Entonces, el "conocimiento tácito" que has acumulado durante años en la industria no se está depreciando, sino que se está apreciando, siempre y cuando lo pongas en práctica.
Organiza la experiencia empresarial no estandarizada que tienes dispersa en tu mente, en los registros de chat y en los correos históricos, y conviértela en "contexto" que tu modelo privado pueda procesar. Los datos del backend de TT3LABS muestran que la tasa de aprobación en la preselección de candidatos con más de dos años de experiencia en Web3 es significativamente mayor que la de profesionales técnicos de grandes empresas sin antecedentes en la industria, y la razón principal es que el conocimiento específico del sector tiene un peso mucho mayor que las habilidades técnicas generales. Una persona con tres años de experiencia en operaciones de CEX entiende la lógica de cumplimiento y las reglas no escritas para listar activos; alguien que ha pasado por dos ciclos de gobernanza DAO puede juzgar el diseño de propuestas y los puntos de inflexión en el estado de ánimo de la comunidad; un especialista en contenido vertical tiene una intuición sobre la psicología del público y el ritmo narrativo. Estas cosas no aparecen en ningún conjunto de datos de entrenamiento público.
Cuando estructuras estas experiencias privadas y las conectas al modelo, tu IA ya no será una enciclopedia general, sino un compañero exclusivo que solo trabaja para ti y solo entiende tu nicho. Esta profundidad de resultado es algo que otros no pueden alcanzar, aunque usen el mismo modelo general.
La lógica central es una sola: AI supera a todos en el procesamiento de conocimiento público, pero depende completamente de tu alimentación para el procesamiento de experiencia privada. Las personas que puedan combinar el Know-how profundo de la industria con AI son el activo clave en la nueva forma de división del trabajo.
Tu biblioteca de experiencia es el verdadero "modelo"
Los modelos de IA están evolucionando rápidamente; hoy, GPT, Claude y Gemini podrían ser reemplazados en seis meses por versiones más potentes. Pero para ti, cambiar por un modelo más potente es simplemente cambiar una interfaz API. Lo que realmente no será reemplazado ni superado es el conjunto de datos privados y la biblioteca de experiencia que le proporcionas.
Los modelos son infraestructura general que cualquiera puede usar. Pero los conocimientos industriales, juicios operativos y experiencias de errores que introduces en ellos son tu "corpus de entrenamiento" exclusivo. Cuanto más potente sea la IA, más capaz será de asimilar este corpus, y mayor será tu barrera privada. Por lo tanto, no te preocupes por si "construir una base de conocimiento ahora se volverá obsoleta pronto": tu base de conocimiento es el único activo que no se devalúa con la evolución de los modelos. Los modelos cambian, pero tu barrera de datos solo se incrementa a medida que mejora la capacidad de la IA.
Al mismo tiempo, la lógica tradicional de la competencia laboral también se está reescribiendo. Anteriormente, los empleados podían demostrar su compromiso trabajando hasta tarde, pero las máquinas producen 7×24 horas; todas las estrategias basadas en "puedo aguantar más que los demás" se vuelven nulas frente a la IA.
Mucha gente dice: "Aún aporto valor emocional al equipo." Cierto, esta es una capacidad única de los humanos, pero su prima depende del nivel en el que te encuentres. Cuando un equipo de base se reduce de diez personas a dos personas y una fila de agentes de IA, el "lubricante del equipo" pierde su escenario. Sin embargo, en los niveles de toma de decisiones, la conexión humana profunda gana valor precisamente porque los costos subyacentes han disminuido, en contextos de complejos juegos comerciales, construcción de confianza de alto riesgo y mediación de conflictos entre entidades con intereses divergentes. El valor emocional no está desapareciendo; está migrando hacia arriba.
Al final del día, lo más importante que una persona debe invertir en la era de la IA no es aprender a usar qué herramienta, sino mantener continuamente ese conjunto de IA privada que solo tú tienes. Las herramientas se actualizarán, pero la biblioteca de experiencia no.
Tres acciones, puedes comenzar ahora
Volviendo al caso de Block, algunos fueron despedidos, pero otros se quedaron; la diferencia radica en quién sigue siendo ineludible después de que la IA se convierta en una herramienta de producción estándar. No esperes a que la empresa te ofrezca capacitación en IA; desde hoy, podemos comenzar a intentar estas acciones:
01、Cambiar de "hacerlo todo tú mismo" a "construir flujos de trabajo"
El error más común de los trabajadores es usar la IA para "echarse atrás" (por ejemplo, usar la IA para escribir un informe semanal o pulir un correo), lo cual sigue siendo una mentalidad de nivel ejecutivo. Lo que realmente debes hacer es verte a ti mismo como un "contratista", y reestructurar el resultado más esencial de tu puesto actual como una línea de producción automatizada con IA.
No intentes probar simultáneamente una docena de nuevos modelos; elige una herramienta actualmente más madura (como ChatGPT Plus o Claude) y obliga a que intervenga en la etapa de tu trabajo que más tiempo consume y requiere más experiencia. Transforma tu proceso lineal original de "recopilar datos manualmente → analizar y comparar → emitir conclusiones" en uno de "configurar extracción automatizada → alimentar al marco de análisis de IA → intervención humana para ajustes finos". Cuando puedas usar este flujo de trabajo para reducir una tarea que antes tomaba una semana a solo un día, con una calidad extremadamente estable, ya no serás simplemente un nodo de capacidad de cómputo; tú mismo te convertirás en una "empresa micro" de alto apalancamiento.
02、Convertir la experiencia implícita en tu avatar digital exclusivo
Los modelos grandes aprenden de datos públicos; entienden todas las teorías, pero absolutamente no conocen los gustos ocultos de ese cliente extremadamente difícil de tu empresa, ni tampoco las zonas de riesgo que debes evitar al coordinarte con el departamento de finanzas. Esos "conocimientos ocultos" que adquiriste tras haber caído en innumerables errores son tu activo más valioso.
Pero estos activos no pueden generar interés compuesto si solo permanecen en tu mente. Tu tarea actual es utilizar las funciones personalizables actualmente disponibles en los grandes modelos (como Custom GPTs o Claude Projects) para convertir tu experiencia en sus "instrucciones de configuración del sistema". Aliméntalo con todos los casos límite que has manejado, los informes de análisis de fracasos y las reglas no escritas de la industria. Tu objetivo no es crear un bloc de notas de conocimiento estático, sino "domesticar" un asistente privado de 24 horas que refleje tu estilo empresarial único y trabaje exclusivamente para ti. Cuando tu "doble digital" esté formado, nadie con un AI genérico podrá competir contigo.
03、Fortalecer su propio "derecho a definir problemas" y su responsabilidad
En el equipo, comienza a practicar deliberadamente dejar que la máquina se encargue de "buscar respuestas", mientras tú mantienes el poder de "hacer preguntas" y "tomar decisiones". La IA es un motor de respuestas perfecto, pero nunca podrá percibir la verdadera motivación comercial detrás de una necesidad. Tu jefe dice: "Quiero crear una nueva estrategia de retención", y la IA instantáneamente te ofrece 10 modelos teóricos de crecimiento hacker. Pero solo tú puedes combinar el presupuesto actual y los recursos de desarrollo para señalar: "La opción B es perfecta, pero no es viable en este momento; la opción C, reducida a la mitad de sus funciones, se adapta mejor a nuestro ritmo actual".
Al mismo tiempo, debes entender un punto clave: la IA no irá a la cárcel ni asumirá responsabilidades. Cuando una empresa te paga un alto salario, muchas veces está comprando tu "cobertura" por los resultados comerciales. Cuando presentes código o soluciones generados por IA, debes tener la confianza para decir: "He revisado la salida de la IA con mi experiencia profesional y asumo la responsabilidad por el resultado final". Este "prima de responsabilidad", es decir, la capacidad de tomar decisiones en zonas ambiguas y asumir las consecuencias comerciales finales, es algo que la máquina no podrá reemplazar en ninguna era.
Dorsey dice: "La mayoría de las empresas ya van tarde". Pero para los individuos, esta frase también se invierte: la mayoría aún no ha comenzado a prepararse ni ha reconocido esta tendencia.
No todos tienen que convertirse en expertos en IA. Pero todos deben reflexionar sobre una pregunta: en tu trabajo, ¿qué partes puede hacer la máquina tarde o temprano, y qué partes son únicas tuyas? Luego, traslada tu tiempo y energía de las primeras a las segundas.
Si algún día la IA supera por completo a los humanos en todos los campos, tal vez en 2027, tal vez en 2030, pero este no es un cambio que puedas observar desde la sidelines.
It doesn't wait for you to be ready.