Hace unos días te proponía explicar qué quieres cambiar sin utilizar las palabras «inteligencia artificial».
Hoy vamos a eliminar algo más difícil. La forma en la que ya haces las cosas.
Porque puedes tener claro qué quieres conseguir y seguir dando por hecho que el camino es el de siempre.
Los mismos pasos.
Los mismos departamentos.
Las mismas aprobaciones.
Ahora, con IA.
Aquí entra una forma de pensar que resulta especialmente útil: los primeros principios.
Consiste en descomponer un problema hasta llegar a lo esencial. Separar lo que necesitas conseguir de las suposiciones que has heredado sobre cómo conseguirlo.
Y construir desde ahí.
Parece sencillo.
Hasta que alguien pregunta por qué un paso es imprescindible y la respuesta es: «Porque siempre lo hemos hecho así».
Tu forma actual de trabajar contiene decisiones tomadas cuando hacer otras cosas era demasiado caro, demasiado lento o directamente imposible.
Algunas restricciones siguen vigentes.
Otras quizá han cambiado.
Si las das todas por buenas, acabarás utilizando IA para mejorar una estructura que nunca has cuestionado.
Por eso, antes de preguntar qué puedes automatizar, conviene hacerse tres preguntas:
¿Qué resultado necesitamos conseguir?
¿Qué restricciones siguen siendo reales y cómo lo sabemos?
¿Cómo organizaríamos el trabajo con las capacidades que tenemos hoy?
Creo que aquí se jugará buena parte de la diferencia entre las empresas AI Native y el resto.
Ser AI Native exige pensar el funcionamiento del negocio contando con la IA desde el diseño: qué ofreces, cómo lo produces, cómo decides y cómo coordinas el trabajo.
Eso obliga a revisar dónde hace falta criterio humano, qué puede asumir la tecnología y qué controles necesita cada decisión.
Comprar acceso a una herramienta es relativamente fácil.
Cuestionar una forma de trabajar que lleva años definiendo puestos, presupuestos y responsabilidades cuesta bastante más.
También en una empresa recién creada. Se pueden heredar las costumbres del sector sin haber cumplido un mes.
La diferencia aparecerá en las decisiones que cada empresa se atreva a revisar.
En tu próxima conversación con el equipo, elige una forma de trabajar que todos deis por obvia.
Si empezáramos hoy, ¿qué razones tendríamos para hacerlo así?
🌍 El Eco del Mercado
🔗 Marvell compra Lumentum por 115.000 millones para dominar las conexiones ópticas. La operación combina los chips y redes de Marvell con los componentes ópticos que conectan grandes concentraciones de aceleradores. La batalla de la infraestructura de IA se desplaza desde fabricar procesadores hasta conseguir que miles funcionen como una sola máquina.
📊 Anthropic revela ingresos crecientes y compromisos informáticos gigantescos. Sus ingresos trimestrales alcanzaron 16.960 millones de dólares y la pérdida neta se redujo a 23.290 millones. Sin embargo, mantiene compromisos informáticos por unos 895.400 millones, que serán una prueba decisiva para su futura salida a bolsa.
🛢️ OpenAI lleva sus modelos a las operaciones petroleras de ADNOC. ADNOC, G42 y OpenAI desplegarán modelos avanzados en las operaciones de la petrolera estatal emiratí. La alianza une a una industria que busca productividad mediante IA con un laboratorio que necesita energía, capital y suelo para continuar creciendo.
🏢 Rusia obliga a los centros de datos privados a reservar capacidad para el Estado. Un decreto de Vladímir Putin exige mantener disponible el 10 % de su capacidad y entregarla en un máximo de 24 horas cuando lo ordene el Gobierno. La medida confirma que los centros de datos ya se consideran infraestructura estratégica y militar.
🇬🇧 Reino Unido sitúa el control y la soberanía en el centro de su política de IA. El Gobierno británico ha acordado siete principios para orientar la adopción tecnológica y el desarrollo de infraestructura. También estudia acelerar permisos y acceso a la red eléctrica para los centros de datos que acepten obligaciones ambientales y comunitarias.
🇩🇪 Merz reclama soberanía digital para una Alemania todavía atrapada en el papel. El canciller alemán pide conservar capacidad de decisión propia en la era de la IA y cooperar con socios como Francia y Canadá. La digitalización incompleta de empresas y administraciones continúa limitando, sin embargo, la capacidad del país para aprovecharla.
🤖 China traslada la carrera de los humanoides desde el cuerpo hasta el cerebro. Los fabricantes chinos están invirtiendo en modelos capaces de enseñar nuevas tareas a los robots sin programar cada movimiento. Después de aprender a correr y bailar, el verdadero reto es conseguir que esas máquinas adquieran habilidades útiles y reutilizables.
📷 Varias ciudades descubren que apagar las cámaras de Flock no es tan sencillo. Plymouth tuvo que desconectar físicamente sus lectores de matrículas después de que Flock Safety no respondiera a la cancelación del contrato. En Dayton, dos cámaras fueron reactivadas sin autorización, cuestionando quién conserva realmente el control de la vigilancia.
🏗️ OpenAI quiere rebautizar los centros de datos como “campus de computación”. La compañía prepara una campaña para presentar estas instalaciones como complejos que integran computación, energía y empleo especializado. Cambiar su nombre no resolverá el rechazo local si no viene acompañado de transparencia y beneficios verificables para las comunidades.
🍎 Apple afronta su primera gran prueba con John Ternus al frente. Los inversores examinarán su estrategia para Siri y los agentes, la demanda del iPhone plegable y el impacto del encarecimiento de la memoria. La prudencia de Apple ante el gasto masivo en IA ha funcionado en bolsa, pero todavía debe convertirse en una ventaja de producto.
📏 Larridin capta 30 millones para medir si la IA mejora realmente el trabajo. Su plataforma analiza el uso corporativo de modelos para estimar productividad, ahorro de tiempo y necesidades de formación. La medición puede ayudar a justificar las inversiones, aunque también corre el riesgo de convertirse en una nueva herramienta de vigilancia laboral.
📈 Deutsche Bank cree que el castigo bursátil a la tecnología ha ido demasiado lejos. El banco vuelve a recomendar las tecnológicas estadounidenses tres semanas después de rebajarlas, tras perder el Nasdaq 100 más de dos billones de dólares de capitalización. Su apuesta es que buena parte de las dudas sobre el retorno de la IA ya está incorporada a los precios.
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.
PD1. Dos libros para seguir tirando de este hilo:
Los grandes modelos mentales (volumen 1, 2, 3 y 4), de Shane Parrish y Rhiannon Beaubien. Para ampliar tu caja de herramientas mentales y aprender a cuestionar lo que das por hecho.
Competing in the Age of AI, de Marco Iansiti y Karim R. Lakhani. Para pensar cómo cambia una empresa cuando diseña su funcionamiento alrededor de los datos y la IA.
Si los lees hazlo con esta pregunta en mente: ¿cuánto de nuestra forma de trabajar sigue respondiendo a limitaciones que ya podríamos superar?
PD2. Un caleidoscopio tiene una cosa que me gusta: con las mismas piezas, cada giro construye una imagen distinta. Podrías tener uno en la mesa para recordar que tu organización también admite otras combinaciones.