Siempre miramos hacia el futuro a través de nuestro espejo retrovisor. Recomiendo leer este artículo del CEO de Notion; su explicación de por qué la IA irrumpió por primera vez en el campo de la programación es excelente. El análisis de los dos cuellos de botella en el trabajo del conocimiento —la dispersión contextual y la verificabilidad— es bastante preciso. Es por esto que los programadores son los primeros en beneficiarse, porque su entorno de trabajo resuelve naturalmente estos dos problemas. ¿Cuándo tendrán que esperar otros trabajadores del conocimiento? Quizás dependa de quién integre primero el contexto disperso en docenas de herramientas. ------------------------ Cada época tiene sus materiales milagrosos. El acero dio forma a la Edad Dorada, los semiconductores iluminaron la Era Digital, y ahora la IA ha llegado en forma de "inteligencia infinita". El fundador de Notion, Ivan Zhao, utilizó una metáfora histórica para aclarar una cosa: quienes controlan este material definen la era. ¿Por qué la IA es un “material milagroso”? Porque resolvió el problema de la escala. Antes del siglo XIX, los edificios solo podían construirse de seis o siete pisos; el hierro era demasiado pesado y frágil, y se derrumbaba si había demasiados. El acero lo cambió todo; la estructura era más ligera, los muros más delgados y los rascacielos se alzaban desde el suelo. La IA es al trabajo del conocimiento lo que el acero a la construcción. La comunicación humana siempre ha sido el "muro de carga" de las organizaciones. Reuniones semanales de dos horas y procesos de aprobación de tres niveles utilizan herramientas a escala humana para resolver problemas a escala industrial. A nivel personal: ¿Cuándo podré conducir un “coche”? Simon, cofundador de Ivan, era originalmente un programador con un enfoque 10x, pero ahora dirige simultáneamente a tres o cuatro agentes de codificación de IA, convirtiéndose en un ingeniero con un enfoque 30-40x. Programa las tareas antes del almuerzo y los agentes continúan trabajando mientras él no está. Es como evolucionar de montar en bicicleta a conducir un coche. Pero ¿por qué solo los programadores pueden conducir coches? Se deben abordar dos problemas. Primero, el contexto está fragmentado. Las herramientas de programación se concentran en IDEs y repositorios de código, pero el trabajo de conocimiento general se encuentra disperso en docenas de herramientas. Para que la IA escriba presentaciones de productos, necesita extraer datos de Slack, documentos de estrategia, paneles de control e incluso la memoria institucional que solo existe en su cabeza. Actualmente, los humanos son el pegamento que lo mantiene unido. La segunda es la verificabilidad. El código se puede probar para verificar su corrección, y la IA se puede mejorar mediante el aprendizaje por refuerzo. Pero ¿cómo verificamos si la gestión de proyectos es buena o si el memorando de estrategia está bien redactado? Sin verificación, no podemos entrenar el modelo para mejorarlo, y los humanos solo pueden seguir supervisando. Una vez que se resuelvan estos dos problemas, miles de millones de trabajadores del conocimiento evolucionarán de las bicicletas a los automóviles, y luego de los automóviles a la conducción autónoma. Nivel organizacional: ¿Seguimos “reemplazando la rueda hidráulica”? En las primeras etapas de la Revolución Industrial, cuando apareció la máquina de vapor, los dueños de las fábricas simplemente reemplazaron las ruedas hidráulicas por máquinas de vapor, dejando todo lo demás intacto. El aumento de la productividad fue muy limitado. El verdadero avance se produjo cuando los dueños de las fábricas se dieron cuenta de que podían prescindir por completo del río. Construyeron sus fábricas más cerca de los trabajadores, los puertos y las materias primas, rediseñando toda la planta en torno a la máquina de vapor. La productividad se disparó. Los chatbots de IA actuales son como un reemplazo de la rueda hidráulica, simplemente se incorporan a las herramientas existentes. Aún no hemos reimaginado cómo debería ser cuando las organizaciones puedan confiar en una mente inagotable e ilimitada. ¿Qué tipo de experimento está realizando Notion? Actualmente Notion cuenta con 1.000 empleados, pero al mismo tiempo, más de 700 agentes se encargan de tareas repetitivas. Toman actas de reuniones, responden preguntas, sintetizan el conocimiento tribal, manejan solicitudes de TI, registran comentarios de los clientes, ayudan a los nuevos empleados con la incorporación y escriben informes semanales, ahorrándoles a los usuarios la molestia de copiar y pegar. Iván dice que esto es sólo el comienzo y que los beneficios reales están limitados sólo por la imaginación y la inercia. ¿Qué significa viajar de Florencia a Tokio? El acero y el vapor no sólo transformaron edificios y fábricas, sino también ciudades. Hace siglos, las ciudades eran a escala humana; se podía recorrer Florencia a pie en 40 minutos. Luego, las estructuras de acero hicieron posibles los rascacielos, los ferrocarriles de vapor conectaron el centro de la ciudad con el interior, y las ciudades se expandieron en tamaño y densidad. Tokio, Chongqing y Dallas no son Florencias más grandes; representan estilos de vida completamente diferentes. La economía del conocimiento representa actualmente casi la mitad del PIB estadounidense, pero la mayor parte aún opera a escala humana: equipos de decenas de personas, reuniones y correos electrónicos marcan el ritmo, y las organizaciones empiezan a distorsionarse cuando superan los cientos de personas. Construimos Florencia con piedra y madera. Cuando se despliegue una gran cantidad de agentes de IA, construiremos Tokio. Una organización compuesta por miles de agentes y humanos, con flujos de trabajo que se ejecutan continuamente en diferentes zonas horarias, sintetizará decisiones con la intervención humana adecuada, sin esperar a que las personas despierten. Será más rápido, con mayor influencia, pero al principio será más desorientador. El ritmo de reuniones semanales, planificación trimestral y revisiones anuales podría perder sentido. Surgirá un nuevo ritmo. Perderemos algo de legibilidad, pero ganaremos escala y velocidad.
Cargando el detalle del hilo
Obteniendo los tweets originales de X para ofrecer una lectura limpia.
Esto suele tardar solo unos segundos.
