Durante años nos hemos definido profesionalmente por nuestra capacidad para hacer cosas.
Programar.
Escribir.
Analizar datos.
Preparar una presentación.
Redactar un contrato.
Cuanto mejor eras haciendo algo, más valor tenías.
Hasta que llegó la inteligencia artificial.
En el futuro no te preguntaran, ¿qué sabes hacer?
Sino, ¿qué eres capaz de conseguir que otros hagan por ti?
Con una pequeña particularidad.
Esos «otros» ya no tienen por qué ser personas.
Enhorabuena.
Te acaban de ascender a mánager.
Solo hay un problema.
Tu nuevo equipo no es humano.
La primera generación de IA generativa nos acostumbró a algo bastante sencillo.
Tú preguntas.
La IA responde.
Tú corriges.
La IA vuelve a responder.
En esencia, seguimos trabajando nosotros.
La IA simplemente nos ayuda.
Pero los agentes van a cambiar esa dinámica.
Podemos entregarles un objetivo y dejar que planifiquen, busquen información, utilicen herramientas, ejecuten tareas, comprueben resultados y vuelvan a intentarlo.
Y, sobre todo, podemos tener varios trabajando simultáneamente.
Parece un cambio pequeño.
No lo es.
Porque supone pasar de utilizar una herramienta a dirigir un sistema de trabajo.
Y eso exige aprender algunas cosas nuevas.
1. Separa decidir de ejecutar
Mira tu lista de tareas.
Y hazte una pregunta:
¿Esto requiere mi criterio o simplemente mi tiempo?
Si requiere criterio, hazlo tú.
Si requiere tiempo, intenta delegarlo.
No delegues decisiones todavía. Delega ejecución.
2. Deja de diseñar prompts. Diseña procesos
No le digas simplemente a la IA: Analiza este mercado.
Piensa en que necesitas para conseguir ese objetivo.
Contexto → tareas → herramientas → ejecución → verificación → resultado.
Eso se parece bastante menos a escribir un buen prompt.
Y bastante más a explicar un trabajo a alguien que acaba de incorporarse a tu equipo.
Si una tarea se repite, no mejores el prompt. Construye el proceso.
3. Aprende a delegar
Antes de entregar una tarea a un agente, responde cinco preguntas:
¿Qué quiero conseguir?
¿Qué contexto necesita?
¿Qué puede decidir por su cuenta?
¿Cómo sabré si lo ha hecho bien?
¿Cuándo debe venir a preguntarme?
Si no puedes responderlas, probablemente tampoco delegarías bien esa tarea a una persona.
Autonomía sin límites no es delegación. Es abandono.
4. Protege tu atención
Imagina que hoy puedes realizar cinco tareas importantes.
Mañana tienes veinte agentes ejecutando veinte tareas simultáneamente.
Fantástico.
Hasta que los veinte vuelven con resultados.
Entonces descubres algo.
El recurso escaso ya no es producir.
Es revisar, validar, priorizar, decidir.
En otras palabras, tu atención.
Por eso tu objetivo no debería ser lanzar más agentes.
Debería ser conseguir que necesiten interrumpirte menos.
No midas cuántas cosas hace la IA. Mide cuántas veces necesita preguntarte.
5. Construye tu pequeño organigrama
No necesitas veinte agentes.
Empieza con tres.
🔎 Investigador. Busca información.
⚙️ Ejecutor. Hace el trabajo.
🔍 Revisor. Comprueba el resultado.
Porque hasta ahora aumentar enormemente nuestra capacidad productiva significaba normalmente contratar más personas.
Quizá ahora una sola persona pueda coordinar una cantidad de trabajo que antes requería un pequeño equipo.
No intentes hacerlo todo con un único agente. Reparte funciones.
6. Decide qué merece hacerse
Y llegamos a la parte que me parece más importante.
Cuando producir se vuelve barato aparece una tentación.
Producir muchísimo.
Más informes.
Más análisis.
Más presentaciones.
Más documentos.
Más contenido.
Pero que algo sea barato de producir no significa que merezca la pena producirlo.
Así que antes de lanzar un agente hazte una última pregunta:
¿Qué decisión cambiará cuando tenga el resultado?
Si la respuesta es «ninguna», quizá no necesites ese trabajo.
Porque cuando hacer cosas sea barato, decidir qué cosas merece la pena hacer será muchísimo más valioso.
Regla: antes de automatizar una tarea, cuestiona si esa tarea debería existir.
Food for thought
Haz un experimento esta semana
Busca una tarea real que normalmente te llevaría una o dos horas.
Pero esta vez, no la hagas.
Diseña cómo debería realizarla una IA.
Dale el objetivo.
Proporciónale el contexto.
Define qué herramientas necesitará.
Establece el resultado esperado.
Decide cómo comprobarás que está bien.
Y, sobre todo, responde a esta pregunta:
¿En qué momento quiero que venga a preguntarme a mí?
Si consigues hacerlo, no habrás aprendido simplemente a utilizar mejor la inteligencia artificial.
Habrás practicado algo bastante más importante.
Habrás empezado a aprender a dirigirla.
Porque quizá la gran transformación profesional de los próximos años no consista en que la IA haga nuestro trabajo.
Quizá consista en algo bastante más sutil.
Que nuestro trabajo sea aprender a dirigir el suyo.
🌍 El Eco del Mercado
🇺🇸 Trump quiere mantener sin cambios la carrera de la IA con China. Donald Trump afirma que abordará la inteligencia artificial con Xi Jinping, pero no considera necesario establecer nuevas restricciones y señala al Departamento de Justicia como principal salvaguarda. La declaración anticipa una supervisión basada en sancionar los daños, más que en imponer controles técnicos previos.
🏥 La IA eleva en casi 1.000 millones de dólares la factura sanitaria. Un estudio de Blue Cross vincula las herramientas de documentación y codificación asistidas por IA con el registro de más diagnósticos secundarios y tratamientos de mayor intensidad. El cálculo no demuestra fraude: abre la discusión sobre cuándo la tecnología descubre costes legítimos y cuándo incentiva una facturación innecesaria.
🧬 Claude descubre un posible sistema desconocido para editar ADN. Anthropic afirma que un equipo de agentes identificó en bacteriófagos un mecanismo enzimático capaz de cortar, copiar y pegar ADN. Científicos humanos realizaron posteriormente los experimentos físicos, pero investigadores independientes deberán confirmar la novedad y utilidad del hallazgo.
📱 ChatGPT lleva sus flujos de trabajo autónomos al móvil. OpenAI incorpora funciones de voz capaces de activar tareas, redactar contenidos y preparar resúmenes. Los usuarios profesionales también podrán operar con documentos, correo y servicios conectados como Slack desde el teléfono, acercando los agentes al dispositivo que concentra más datos y permisos personales.
💬 Ando construye un Slack donde personas y agentes trabajan juntos. La startup presenta una plataforma de mensajería en la que cada agente dispone de identidad, bandeja de entrada y capacidad para incorporarse a las conversaciones sin recibir una instrucción explícita. El producto está en una fase temprana y deberá demostrar que esa autonomía reduce trabajo en lugar de multiplicar el ruido y las acciones difíciles de atribuir.
🏗️ La financiación de la infraestructura de IA adquiere dimensión sistémica. Un estudio publicado por Brookings calcula que el despliegue previsto podría exigir más de diez billones de dólares y elevar la capacidad estadounidense de centros de datos desde 57 hasta 183 GW. El riesgo no es una crisis inmediata, sino financiar mediante deuda y estructuras complejas una capacidad que necesitaría generar unos ingresos extraordinarios para resultar rentable.
🇨🇳 DeepSeek alcanza un ritmo anualizado de ingresos de 1.000 millones de dólares. La compañía china habría más que duplicado esta cifra en pocos meses, ayudada por subidas de precios de entre 2,3 y 4,5 veces, y prepara una nueva ronda de financiación. El dato anualizado no equivale a ingresos ya contabilizados, pero permitirá comprobar si DeepSeek puede monetizar su ventaja de eficiencia sin perderla.
🏢 BlackRock e IFM negocian centros de datos asiáticos por 25.000 millones. Los inversores mantienen conversaciones exclusivas para adquirir activos de Stack Infrastructure en Tokio, Osaka, Sídney y Melbourne, según Bloomberg. La operación todavía podría no cerrarse, pero refleja cómo los centros de datos están convirtiéndose en una categoría financiera comparable a las redes eléctricas, los puertos o las autopistas.
🔐 Island alcanza una valoración de 6.400 millones con su navegador empresarial. La compañía de ciberseguridad capta 400 millones de dólares para ampliar un navegador que controla accesos, datos y aplicaciones corporativas. Su propuesta gana relevancia a medida que empleados y agentes de IA ejecutan una mayor parte del trabajo sensible desde interfaces web.
💻 Lovable supera los 600 millones de dólares de ingresos anualizados. La plataforma de programación mediante lenguaje natural afirma haber aumentado su ritmo anualizado desde los 500 millones registrados en junio y estar presente en dos tercios de las empresas de Fortune 500. La siguiente prueba será demostrar que el vibe coding produce aplicaciones que las organizaciones quieran mantener, no solo experimentar.
🛰️ Google enviará sus primeros chips de IA al espacio. Project Suncatcher probará una TPU a bordo de un satélite de Planet para estudiar su resistencia a la radiación, las temperaturas extremas y las fuerzas del lanzamiento. No es todavía un centro de datos orbital: el primer ensayo de comunicación láser entre dos satélites está previsto para 2027.
📟 Meta presenta Charm, su acceso directo a la IA sin pasar por el móvil. El dispositivo de bolsillo incorpora una pantalla de unas dos pulgadas, conexión 5G y acceso al agente Muse. Llegará en diciembre sin precio anunciado y persigue abrir una vía hacia la IA de Meta que no dependa de los sistemas operativos controlados por Apple y Google.
Déjame recordarte que si te gusta la tecnología, el podcast de Código Abierto también puede ser una buena opción.
Si algo de lo que has leído te ha removido, dímelo.
Ya sabes que estoy al otro lado si quieres comentar, discrepar o simplemente saludar.
Que nunca te falten ideas, ni ganas de probarlas.
A.
PD. Cuatro libros para entender el trabajo que viene 📚
Co-Inteligencia — Ethan Mollick. Probablemente uno de los mejores puntos de partida para entender cómo incorporar la IA al trabajo cotidiano. Mollick propone tratarla como compañero, colaborador o tutor. Una buena transición entre el mundo del copiloto y el que viene después.
La Ola que Viene — Mustafa Suleyman y Michael Bhaskar. ¿Qué ocurre cuando capacidades extraordinariamente poderosas dejan de estar exclusivamente en manos de grandes organizaciones? Si un individuo empieza a disponer de capacidades antes reservadas a una empresa, no cambia únicamente la productividad. Cambia lo que una sola persona puede llegar a construir.
The Second Machine Age — Erik Brynjolfsson y Andrew McAfee. Es anterior a ChatGPT y precisamente por eso resulta interesante. Su tesis sigue teniendo mucho sentido: introducir tecnología no garantiza productividad. Para capturar sus beneficios hay que rediseñar procesos, organizaciones y puestos de trabajo.
Competing in the Age of AI — Marco Iansiti y Karim R. Lakhani. Probablemente el que mejor conecta con la idea de hoy. Cuando software, datos y algoritmos empiezan a ejecutar una parte creciente de las operaciones, no basta con introducir tecnología en una empresa.
PD2. Si ahora resulta que vas a tener un investigador, un analista, un programador y un revisor trabajando para ti. Lo mínimo es que tengas aspecto de estar dirigiendo una misión espacial. Mi propuesta absurda —pero no tanto— para hoy es una Steam Deck. Si no que vas a hacer con todo el tiempo libre que vas a hacer.