Seguimos en la «fase de agua de molino» de la IA, forzando a los chatbots a encajar en flujos de trabajo diseñados para humanos. La historia nos enseña que quien controla las materias primas define la era. Cuando el trabajo del conocimiento se integra en una inteligencia que nunca descansa, ¿cómo será el futuro? Este artículo se basa en un texto de Ivan Zhao, CEO de Notion, organizado, traducido y redactado por TechFlow.
(Resumen previo: ¿Qué preocupa más a los usuarios de criptomonedas en 2025? Diferentes grandes modelos de IA ofrecen estas respuestas)
(Información adicional: artículo de a16: Cuando la IA conquista plataformas de contenido, ¿cómo recuperar la confianza en las garantías de criptomonedas?)

Índice de este artículo

• Personal: de la bicicleta al automóvil
• Organizaciones: de hierro y vapor
• Economías: de Florencia a las megaciudades
• Más allá de la rueda de agua

Seguimos en la «fase de agua de molino» de la IA, forzando a los chatbots a encajar en flujos de trabajo diseñados para humanos. Cada época está moldeada por sus materias primas tecnológicas únicas. El acero dio forma a la era dorada, los semiconductores abrieron la era digital. Hoy, la inteligencia artificial llega en forma de inteligencia infinita. La historia nos enseña: quien controla las materias primas define la era.

Imagen izquierda: el joven Andrew Carnegie y su hermano. Imagen derecha: la fábrica de acero en Pittsburgh durante la era dorada.

En los años 50 del siglo XIX, Andrew Carnegie era un telegrafista corriendo por las calles embarradas de Pittsburgh, en una época en que seis de cada diez estadounidenses eran agricultores. Solo dos generaciones después, Carnegie y sus contemporáneos forjaron el mundo moderno: los caballos dieron paso a los ferrocarriles, las velas a la electricidad, el hierro a la acero.

Desde entonces, el trabajo se desplazó de las fábricas a las oficinas. Hoy dirijo una empresa de software en San Francisco, creando herramientas para miles de trabajadores del conocimiento. En esta pequeña ciudad tecnológica, todos hablan de inteligencia artificial general (AGI), pero la mayoría de los veinte mil millones de trabajadores de oficina aún no la sienten. ¿Cómo será el trabajo del conocimiento pronto? ¿Qué pasará cuando las estructuras organizativas integren una inteligencia que nunca descansa?

Las películas tempranas a menudo parecían obras de teatro, con una sola cámara grabando el escenario.

El futuro suele ser impredecible porque siempre se disfraza de pasado. Las llamadas tempranas eran tan breves como los telegramas, las películas tempranas como grabaciones de obras de teatro. Como dijo Marshall McLuhan: «Siempre conducimos hacia el futuro a través del espejo retrovisor.»

La IA más común hoy en día todavía se asemeja a las búsquedas en Google del pasado. Citando a McLuhan: «Siempre conducimos hacia el futuro a través del espejo retrovisor.» Hoy, vemos chatbots de IA que imitan la interfaz de búsqueda de Google. Estamos atrapados en esa incómoda fase de transición que siempre acompaña a cada cambio tecnológico.

No tengo todas las respuestas sobre cómo será el futuro. Pero me gusta usar algunas metáforas históricas para reflexionar sobre cómo la IA puede influir en diferentes niveles: personal, organizacional y económico.

Personal: de la bicicleta al automóvil

Las primeras señales se pueden ver en los «practicantes avanzados» del trabajo del conocimiento, como los programadores.

Mi cofundador, Simon, solía ser un «programador diez veces más eficiente», pero últimamente escribe código muy poco. Al pasar por su puesto, lo verás coordinando simultáneamente tres o cuatro asistentes de programación con IA. Estos no solo escriben más rápido, sino que también piensan, convirtiéndolo en un ingeniero con una eficiencia aumentada en un 30 a 40%. Suele preparar su lista de tareas antes del almuerzo o antes de dormir, dejando que la IA siga trabajando cuando él se va. Se ha convertido en un gestor de inteligencia infinita.

Un estudio de la revista Scientific American en los años 70 sobre eficiencia en el movimiento inspiró a Steve Jobs a acuñar la famosa metáfora de la «bicicleta mental». Pero desde entonces, durante décadas, hemos estado pedaleando en la autopista de la información.

En los 80, Steve Jobs llamó a la computadora personal la «bicicleta mental». Diez años después, pavimentamos la «autopista de la información» llamada internet. Pero hoy, la mayoría del trabajo del conocimiento sigue dependiendo de la mano humana. Es como si todavía estuviéramos pedaleando en esa autopista.

Con asistentes de IA, personas como Simon ya han pasado de pedalear en bicicleta a conducir un coche.

¿Y cuándo podrán otros tipos de trabajadores del conocimiento «conducir un coche»? Hay dos problemas que resolver.

¿Por qué es más difícil que la IA ayude en trabajos del conocimiento que en programación? Porque el trabajo del conocimiento es más disperso y más difícil de verificar.

Primero, la fragmentación del contexto. En programación, las herramientas y el contexto suelen concentrarse en un solo lugar: entornos de desarrollo integrados, repositorios de código, terminales. Pero en el trabajo del conocimiento, la información está dispersa en decenas de herramientas. Imagina un asistente de IA intentando redactar una descripción de producto: necesita extraer datos de conversaciones en Slack, documentos estratégicos, paneles con datos del trimestre pasado, y también de la memoria organizacional que solo existe en la cabeza de alguien. Actualmente, los humanos actúan como pegamento, copiando y pegando, y alternando entre pestañas del navegador. Sin integración del contexto, el asistente solo puede limitarse a tareas estrechas.

El segundo elemento faltante es la verificabilidad. El código tiene una propiedad mágica: puedes verificarlo mediante pruebas y errores. Los desarrolladores de modelos usan esto para entrenar a la IA en programación mediante aprendizaje reforzado. Pero, ¿cómo verificamos si un proyecto de gestión está bien hecho, o si una nota estratégica es excelente? Aún no hemos encontrado formas de mejorar los modelos de trabajo del conocimiento general. Por eso, los humanos todavía deben supervisar, guiar y demostrar qué es «bueno».

La Ley de la Bandera Roja de 1865 exigía que un portador de bandera caminara delante del coche cuando un automóvil circulaba por la calle (la ley fue derogada en 1896).

Las prácticas actuales con asistentes de programación nos enseñan que «el humano en el ciclo» no siempre es lo ideal. Es como hacer que una persona inspeccione cada tornillo en una línea de producción, o que camine delante del coche limpiando la vía (ver Ley de la Bandera Roja de 1865). Deberíamos permitir que las personas supervisen desde una posición elevada, en lugar de estar en medio del ciclo. Cuando el contexto esté integrado, el trabajo será verificable, y los miles de millones de trabajadores podrán pasar de «pedalear en bicicleta» a «conducir un coche», y de ahí a la conducción autónoma.

Organizaciones: de hierro y vapor

Las empresas son una invención moderna, y su eficiencia disminuye a medida que crecen, llegando a un límite.

Organigrama de la New York and Erie Railroad en 1855. Las empresas modernas y sus estructuras organizativas evolucionaron a partir de las compañías ferroviarias, que fueron las primeras en coordinar a miles de empleados a distancia.

Hace unos siglos, la mayoría de las empresas eran talleres de unas pocas decenas de personas. Hoy, tenemos multinacionales con cientos de miles de empleados. La infraestructura de comunicación, basada en reuniones e información compartida, se sobrecarga bajo cargas exponencialmente crecientes. Intentamos resolverlo con jerarquías, procesos y documentos, pero es como construir rascacielos con madera: usar herramientas a escala humana para resolver problemas a escala industrial.

Dos metáforas históricas muestran cómo, cuando las organizaciones adquieren nuevas materias primas tecnológicas, el futuro puede adoptar formas muy diferentes.

El milagro del acero: en 1913, la Torre Woolworth en Nueva York fue el edificio más alto del mundo.

La primera es el acero. Antes del acero, en el siglo XIX, la altura de los edificios estaba limitada a seis o siete pisos. Aunque el hierro era resistente, también era frágil y pesado; aumentar los pisos hacía que la estructura colapsara por su propio peso. El acero lo cambió todo. Es fuerte y flexible, las estructuras pueden ser más ligeras, las paredes más delgadas, y los edificios alcanzaron decenas de pisos, haciendo posible una nueva arquitectura.

La IA es el «acero» de las organizaciones. Tiene el potencial de mantener la coherencia contextual en todos los flujos de trabajo, y de presentar decisiones cuando sea necesario, sin ruido ni interferencias. La comunicación humana ya no necesita ser una pared portante. Una reunión de alineación de dos horas podría reducirse a cinco minutos de revisión asincrónica; decisiones de alto nivel que requieren tres niveles de aprobación podrían resolverse en minutos. Las empresas podrán escalar verdaderamente, evitando la inevitable pérdida de eficiencia que antes considerábamos inevitable.

Un molino impulsado por ruedas de agua. La fuerza del agua es poderosa pero inestable, y depende del lugar y la estación.

El segundo relato es sobre la máquina de vapor. Al inicio de la Revolución Industrial, las fábricas textiles se construían junto a ríos, impulsadas por ruedas de agua. Cuando apareció la máquina de vapor, los dueños de las fábricas solo reemplazaron las ruedas de agua por máquinas de vapor, manteniendo todo igual, con una productividad limitada.

El verdadero avance ocurrió cuando los dueños de las fábricas se dieron cuenta de que podían prescindir por completo de la dependencia del agua. Construyeron fábricas más grandes cerca de los trabajadores, puertos y materias primas, y rediseñaron la disposición en torno a la máquina de vapor (más tarde, con la electrificación, los dueños de las fábricas dispersaron los pequeños motores en toda la planta para alimentar diferentes máquinas). La productividad explotó, y así nació la segunda revolución industrial.

Grabado de Thomas Allom de 1835, que muestra una fábrica textil impulsada por una máquina de vapor en Lancashire, Inglaterra.

Seguimos en la fase de «reemplazo de ruedas de agua». Forzar a los chatbots a encajar en flujos diseñados para humanos aún no nos permite imaginar cómo será la organización cuando desaparezcan las viejas restricciones y las empresas puedan funcionar con inteligencia infinita que trabaja incluso mientras duermes.

En mi empresa, Notion, hemos estado experimentando. Además de 1000 empleados, ahora hay más de 700 asistentes de IA manejando tareas repetitivas: registrar reuniones, responder preguntas para consolidar el conocimiento del equipo, gestionar solicitudes de TI, recopilar feedback de clientes, ayudar a nuevos empleados a familiarizarse con beneficios, redactar informes semanales para evitar copiar y pegar manualmente… Es solo el comienzo. El verdadero potencial está limitado solo por nuestra imaginación y nuestra inercia.

Economías: de Florencia a las megaciudades

El acero y el vapor no solo transformaron edificios y fábricas, sino también las ciudades.

Hasta hace unos pocos siglos, las ciudades todavía estaban a escala humana. Podías recorrer Florencia a pie en unos 40 minutos, y su ritmo de vida estaba determinado por la distancia a pie y la propagación del sonido.

Luego, las estructuras de acero hicieron posible los rascacielos; las locomotoras impulsadas por vapor conectaron el centro de la ciudad con las periferias; llegaron los ascensores, el metro y las autopistas. La escala y densidad de las ciudades se expandieron rápidamente — Tokio, Chongqing, Dallas.

No son solo versiones ampliadas de Florencia; son formas de vida completamente nuevas. Las megaciudades pueden ser abrumadoras, anónimas, difíciles de gestionar. Esa «dificultad para reconocerlas» es el precio del tamaño. Pero también ofrecen más oportunidades, más libertad, permitiendo a más personas participar en más actividades en combinaciones más diversas, algo que las ciudades artísticas a escala humana no pueden igualar.

Creo que la economía del conocimiento pronto experimentará una transformación similar.

Hoy, el trabajo del conocimiento representa casi la mitad del PIB de EE. UU., pero su funcionamiento sigue siendo en gran medida a escala humana: equipos de decenas de personas, flujos de trabajo basados en reuniones y correos, organizaciones que no pueden sostenerse con más de cien empleados… Seguimos construyendo «Florencia» con piedra y madera.

Cuando los asistentes de IA se implementen a gran escala, construiremos «Tokio»: organizaciones formadas por miles de IA y humanos trabajando juntos; flujos de trabajo que operan en diferentes zonas horarias, sin esperar a que alguien despierte para avanzar; decisiones sintetizadas con la participación adecuada de humanos.

Será una experiencia diferente: más rápida, con mayor efecto palanca, pero inicialmente también más abrumadora. Las reuniones semanales, la planificación trimestral y las evaluaciones anuales podrían dejar de ser relevantes, y emergerán nuevos ritmos. Perderemos algo de claridad, pero ganaremos en escala y velocidad.

Más allá de la rueda de agua

Cada tecnología requiere que las personas dejen de mirar el mundo a través del espejo retrovisor y comiencen a imaginar un nuevo mundo. Carnegie miró el acero y vio el horizonte de la ciudad; los dueños de fábricas en Lancashire observaron la máquina de vapor y vieron fábricas alejadas de los ríos.

Seguimos en la «fase de agua de molino» de la IA, forzando a los chatbots a encajar en flujos diseñados para humanos. No basta con que la IA sea un copiloto; debemos imaginar: cuando las organizaciones humanas se fortalezcan con acero, y las tareas triviales sean delegadas a inteligencias que nunca descansan, ¿cómo será el panorama del trabajo del conocimiento?

Acero, vapor y la inteligencia infinita. La próxima línea del horizonte está frente a nosotros, esperando que la construyamos con nuestras propias manos.