a16z: La IA hace que cada persona sea 10 veces más eficiente, pero ninguna empresa se vuelve 10 veces más valiosa por ello

Autor: George Sivulka

Traducido por: Deep Tide TechFlow

Resumen de Deep Tide: La IA ha multiplicado por 10 la productividad individual, pero ninguna empresa ha llegado a ser 10 veces más valiosa por ello. El inversor de a16z George Sivulka (también fundador de la empresa de IA Hebbia) opina que el problema no está en la tecnología en sí, sino en que las organizaciones no han sido reestructuradas en consecuencia. Propone siete dimensiones para distinguir entre «IA a nivel institucional» y «IA a nivel personal»: coordinación, señal, sesgo, ventaja marginal, orientación a resultados, habilitación y sin necesidad de prompts. En esencia, está diciendo: cambiar el motor no basta, hay que rediseñar toda la fábrica.

El texto completo:

La IA acaba de multiplicar por 10 la productividad de cada persona.

Pero ninguna empresa ha llegado a ser 10 veces más valiosa por ello.

¿A dónde fue esa productividad?

No es la primera vez que sucede.

En la década de 1890, la electricidad prometió un enorme aumento en la productividad.

Las fábricas textiles de Nueva Inglaterra, originalmente construidas en torno a motores de vapor, pronto reemplazaron estos por motores eléctricos más rápidos.

Pero durante treinta años, las fábricas electrificadas apenas aumentaron su producción. La tecnología avanzaba mucho, pero la organización no.

Hasta los años 20, cuando las fábricas rediseñaron completamente sus líneas de producción — líneas de ensamblaje, cada máquina con su propio motor, trabajadores y máquinas realizando tareas completamente diferentes — solo entonces la electrificación empezó a dar verdaderos frutos.

Ilustración: Las tres evoluciones de la fábrica textil Lowell. De izquierda a derecha: fábrica de vapor de 1890, fábrica con energía eléctrica de 1900, fábrica «de unidades» de 1920 (reconstruida desde cero en línea de producción eléctrica).

El retorno no proviene solo de la tecnología, ni de hacer que un trabajador o máquina produzcan más rápido. El verdadero valor llega cuando finalmente rediseñamos tanto las instituciones como las tecnologías en conjunto.

Esta es una de las lecciones más caras de la historia de la tecnología, y ahora estamos volviendo a aprenderla.

En 2026, la IA está generando un aumento de 10 veces en la productividad para quienes saben aprovecharla. Pero eso no es suficiente. Cambiamos los motores, pero no rediseñamos la fábrica.

Porque hay un hecho simple: un individuo eficiente no equivale a una organización eficiente.

La mayoría de los productos de IA dan la sensación de ser «eficientes», pero no generan valor real. La mayoría de los casos de uso que ves en Twitter o Slack son autocomplacientes «máximas de eficiencia» personales, que en realidad no tienen impacto alguno.

La idea de que «el servicio es software», que se ha mencionado repetidamente en el último año, no está equivocada, pero no ofrece un plan claro. Además, ignora el panorama más amplio. La verdadera transformación no es solo pasar de herramientas a servicios, sino construir tecnología y instituciones en conjunto (ya sea modernizando lo viejo o empezando desde cero). Un futuro verdaderamente eficiente requiere productos completamente nuevos — la línea de producción del mañana.

Una organización eficiente necesita «inteligencia a nivel institucional».

Este artículo profundiza en las siete dimensiones que diferencian «IA a nivel institucional» de «IA a nivel personal». En los próximos diez años, todas las empresas del sector B2B de IA se basarán en estas diferencias:

Ilustración: Tabla comparativa de las siete columnas del nivel institucional

Las siete columnas de la inteligencia a nivel institucional

1. Coordinación

La IA a nivel personal genera caos.

La IA a nivel institucional crea coordinación.

Hagamos un experimento mental. Supón que mañana duplicas la cantidad de empleados en tu organización, clonando a tus mejores trabajadores.

Cada uno de estos empleados tiene pequeñas diferencias, preferencias, manías y perspectivas (especialmente tus mejores empleados). Si no gestionas bien, si la comunicación es deficiente, si no defines claramente responsabilidades, OKRs, límites de roles… crearás caos.

Desde la perspectiva individual, la organización puede parecer más eficiente. Pero miles de agentes (o humanos) reman en direcciones opuestas, y el mejor resultado es que no pasa nada, el peor es que se fragmenta la cohesión organizacional.

No es una hipótesis. Cualquier organización que adopte IA sin una capa de coordinación está viviendo esto ahora mismo. Cada empleado tiene sus propios hábitos de uso de ChatGPT, su estilo de prompts, sus entregas — y no encajan con los de los demás. La estructura organizacional puede seguir allí, pero el trabajo generado por IA sigue una línea diferente.

Ilustración: Individuos (o agentes) eficientes remando en direcciones distintas. Sin coordinación, hay caos.

La coordinación es una necesidad absoluta, tanto para humanos como para agentes.

La inteligencia a nivel institucional dará lugar a toda una industria de «gestión de agentes» — centrada en roles y responsabilidades, en la comunicación entre agentes y con humanos, y en cómo medir el valor de los agentes (porque solo cobrar por uso no es suficiente).

2. Señal

La IA a nivel personal genera ruido.

La IA a nivel institucional encuentra señal.

Hoy en día, los humanos pueden crear — o generar — cualquier cosa que se les ocurra: artículos escritos por IA, presentaciones, hojas de cálculo, fotos, videos, canciones, sitios web, software. Un regalo genial.

El problema es que la mayor parte del contenido generado por IA es basura absoluta. La proliferación de basura de IA ha llegado a tal punto que algunas organizaciones han reaccionado exageradamente, prohibiendo toda producción de IA. Honestamente, comparto esa sensación: dirijo una empresa de IA, y pido a los ejecutivos que no usen IA en ningún producto final de texto. No soporto esa basura.

Piensa en cómo está cambiando la industria del capital privado (private equity). El año pasado, quizás recibiste 10 oportunidades de inversión. Este trimestre, recibirás 50, todas perfeccionadas por IA, y tú tienes el mismo tiempo para decidir — solo tienes que encontrar la buena.

Generar cualquier cosa ya no es problema. Para cualquier organización seria, la cuestión ahora es generar y filtrar lo correcto. En un mundo impulsado por IA, encontrar ese resultado valioso, esa transacción buena, esa señal en medio del ruido, se vuelve cada vez más crucial. La economía central de los próximos diez años será extraer señales de una montaña de basura en crecimiento exponencial.

Ilustración: La basura generada por herramientas de productividad personal en IA se multiplica exponencialmente. La humanidad ya no puede filtrar en medio del ruido, necesita una nueva clase de productos de IA a nivel institucional.

La IA a nivel institucional debe encontrar señales, estructurar el ruido para atravesar la basura, y en el trabajo debe ser definida, determinista y auditable.

La IA a nivel personal puede enfatizar herramientas como Clawdbot, que ofrecen productividad «siempre en línea», satisfaciendo tus necesidades de forma impredecible — esencialmente agentes no deterministas. La IA a nivel institucional depende de agentes deterministas confiables. Solo los agentes con puntos de control, pasos y procesos predecibles pueden escalar, detectar señales y usar esas señales para impulsar ingresos y valor para la organización.

Ilustración: Matrix, una herramienta que usa generación para atravesar el ruido, abre un mundo de agentes deterministas y puntos de control.

3. Sesgo

La IA a nivel personal alimenta sesgos.

La IA a nivel institucional crea objetividad.

Durante años, el discurso sobre sesgos sociales y políticos dominó la conversación sobre IA. Los laboratorios de modelos base lograron sortear esto mediante RLHF suficiente, ajustando todos los modelos para que sean complacientes. Hoy, modelos como ChatGPT y Claude están demasiado alineados, y en cualquier tema dentro del «ventana de Overton» te apoyan (a veces incluso cruzan límites, como tú @Grok). La discusión sobre sesgos políticos y sociales ha disminuido. Pero ha surgido un nuevo problema.

Este exceso de conformidad con todo ya es ridículo. Se ha convertido en un meme: la frase de Claude «¡Tienes toda la razón!» en reflejo condicionado, sin importar si lo que dices es realmente correcto o no.

Parece inofensivo. Pero no lo es.

Muchas personas en organizaciones que promueven IA con entusiasmo, pronto serán las peor evaluadas en la historia laboral. Piensa por qué.

Los empleados con peor rendimiento en una organización reciben casi siempre retroalimentación negativa. Pero pronto, una IA avanzada (ASI) los apoyará en todo momento. En su mente dirán: «¡El agente más inteligente de la historia está de acuerdo conmigo! Mi jefe está equivocado.»

Es adictivo. Y tóxico para la organización.

Ilustración: El efecto eco de la IA a nivel personal profundiza las divisiones, haciendo que dos personas se alejen cada vez más, y en escala, crea facciones dentro de organizaciones que antes eran homogéneas.

Esto revela algo importante: las herramientas de productividad personal refuerzan al usuario. Pero lo que realmente hay que reforzar es la realidad.

Las organizaciones humanas, tras milenios de evolución, han desarrollado sistemas específicos para contrarrestar este problema:

Reuniones del comité de inversión

Diligencia debida de terceros

Junta directiva

Separación de poderes en el gobierno de EE. UU.: ejecutivo, legislativo y judicial

Democracia representativa y el sistema democrático en sí

Ilustración: La objetividad puede incluso aliviar problemas de coordinación — al suprimir en lugar de amplificar pequeñas diferencias.

Las organizaciones rara vez fracasan por falta de confianza de los empleados. Fracasan porque nadie quiere o puede decir «no».

La IA a nivel institucional debe desempeñar ese papel. No será entrenada solo para complacer a los usuarios o alinearse con sus creencias, sino para desafiar sus sesgos. Cuando actúe de forma eficiente, dará retroalimentación positiva; cuando se desvíe, marcará límites claros y forzará correcciones.

Por eso, el agente más importante en una organización no será un «sí-que-sí», sino un «veto disciplinado» — que cuestione, exponga riesgos y aplique estándares. En el futuro, muchas aplicaciones de IA más influyentes girarán en torno a restricciones institucionales: miembros de consejos de IA, auditores de IA, pruebas de terceros, cumplimiento normativo con IA…

4. Ventaja marginal

La IA a nivel personal optimiza el uso.

La IA a nivel institucional optimiza la ventaja marginal.

Los límites de la capacidad de la IA cambian semanal o incluso diariamente. Las empresas de modelos base compiten por cada persona y organización, iterando rápidamente sus capacidades.

Pero la paradoja del innovador clásico nos dice que, en aplicaciones concretas, la profundidad siempre vence a la amplitud:

@Midjourney mantiene una ligera ventaja en diseño de imágenes.

@Elevenlabsio en modelos de voz.

@DecagonAI en experiencia de atención al cliente de pila completa.

Aunque los modelos base se acerquen cada vez más, para los expertos en cada campo, la verdadera ventaja marginal es clave. Muchos de los mejores diseñadores usan @Midjourney, muchas de las mejores empresas de IA de voz usan @Elevenlabsio — porque, incluso con avances en modelos base, el enfoque persistente en aplicaciones específicas para impulsar ventajas marginales define la ventaja en sí misma.

Mientras las soluciones especializadas también evolucionen, las capacidades que realmente importan para los resultados económicos — y para las empresas — siempre estarán en productos especializados.

Esto se refleja claramente en finanzas, actualmente el campo más activo en desarrollo de LLM. Cuando una capacidad se generaliza, por definición, no te ayudará a superar al mercado. Pero si una tecnología de vanguardia genera una ventaja pequeña, pero duradera, del 1%, esa ventaja puede movilizar retornos de miles de millones de dólares.

Ilustración: Para cualquier tarea suficientemente concreta, la ventaja marginal la define la solución institucional que construyes sobre la tecnología de punta.

Nuestros usuarios siempre están yendo más allá de la frontera. La ventana de contexto de los LLM creció en cuatro años de 4K a 1 millón de tokens. Algunos manejan 30 mil millones en una sola tarea. Este año, vemos el camino para procesar tareas de 100 mil millones de tokens. Cada mejora en capacidades de modelos base nos lleva más lejos.

Ilustración: La ventana de contexto, como otras capacidades, es un objetivo móvil. Comparación de la evolución de la ventana de contexto en laboratorios de vanguardia y Hebbia en los últimos tres años.

La generalidad para todos los usuarios es importante, especialmente en la fase de introducción de IA a empleados. Pero en el futuro, no será solo usar ChatGPT/Claude o soluciones verticales, sino combinarlos: ChatGPT/Claude más soluciones verticales.

La inteligencia a nivel institucional debe aprovechar agentes especializados en dominios o incluso en tareas específicas.

Nos haremos una pregunta que suena absurda, pero no lo es:

«¿Elegirá la AGI usar qué agentes como atajos? Incluso la súper inteligencia querrá herramientas especializadas para áreas concretas.»

Los límites de la capacidad de la IA siempre están en movimiento, y las organizaciones que aprovechen verdaderas ventajas marginales serán las ganadoras. Los demás seguirán pagando por un producto universal muy costoso.

5. Resultados

La IA a nivel personal ahorra tiempo.

La IA a nivel institucional aumenta ingresos.

@MaVolpi me dijo una vez algo que cambió mi percepción sobre vender IA a empresas: «Si preguntas a cualquier CEO si prefiere reducir costos o aumentar ingresos, casi todos dirán que aumentar ingresos.»

Pero hoy, casi todos los productos de IA entregan reducción de costos — prometen ahorrar tiempo, hacer más con menos, o reemplazar mano de obra.

La IA a nivel institucional debe entregar ganancias incrementales. Y esas ganancias son mucho más difíciles de monetizar que solo ahorrar tiempo.

Por ejemplo, en desarrollo de software asistido por IA. Los IDE de código son uno de los mejores herramientas de productividad personal con IA, pero ya enfrentan un impacto enorme de Claude Code (otra IA personal). Cognition juega en una liga diferente. Su crecimiento más estable es en vender transformación tecnológica, no solo herramientas. Creo que ese modelo tendrá durabilidad.

El software puro «se está volviendo rápidamente invendible». Los servicios puros no escalan. La capa de soluciones — que une tecnología y resultados — es donde se acumula el valor duradero.

En fusiones y adquisiciones, la IA personal ayuda a los analistas a modelar más rápido. La IA a nivel institucional identifica en cientos de objetivos aquel que vale la pena perseguir, y amplía la búsqueda a miles. Uno ahorra tiempo, el otro genera ingresos.

Ilustración: Las empresas de modelos base se mueven hacia la capa de aplicaciones verticales. Las empresas de aplicaciones verticales hacia la capa de soluciones.

El movimiento «hacia arriba» es la tendencia natural del mercado. Los modelos base avanzan hacia la capa de aplicaciones, y estas hacia la capa de soluciones.

La inteligencia a nivel institucional es la capa de soluciones. Y esa capa — donde los resultados se materializan — será la que acumule valor duradero y capture las mayores ganancias.

6. Habilitación

La IA a nivel personal te da una herramienta.

La IA a nivel institucional te enseña cómo usarla.

Por muy inteligente que seas, resistirás el cambio.

Créelo o no, en Nueva York todavía hay tiendas exitosas que no aceptan tarjetas de crédito. Saben que pierden dinero, saben que no aceptar tarjetas les cuesta, pero simplemente no cambian. De manera similar, en el futuro cercano, algunos empleados en algunas organizaciones seguirán rechazando usar IA.

Transformar una organización puramente manual en una organización híbrida priorizando IA será el desafío más duradero y definitorio de la próxima década. Y muchas veces, los líderes más altos y más importantes serán los últimos en adoptar.

Ilustración: Los altos directivos — los que están más lejos de operar herramientas de productividad — suelen ser los más lentos en adoptar nuevas tecnologías, pero también los más cruciales.

Palantir es la única empresa de software que, en medio de la caída de valor de los gigantes tecnológicos en los últimos dos meses, mantiene una valoración múltiple muy alta. Hay una razón: Palantir fue una de las primeras en hacer «ingeniería de procesos» real. Ya sea llamándolo «ingeniería de procesos» o «escribir documentos de habilidades para Claude», en el futuro, la IA a nivel institucional generará una industria: codificar procesos empresariales en agentes y gestionar el cambio necesario para implementarlos.

Ilustración: La adopción total de IA en las organizaciones atravesará varias brechas, cada una con sus desafíos. La automatización de procesos con IA será el principal motor.

Creo que la ingeniería de procesos será una de las tecnologías más importantes en el corto plazo.

Y en ingeniería de procesos, la experiencia en negocios y en industrias — no solo en software — será lo más importante. Las soluciones verticales fomentarán profesionales especializados en despliegue, implementación y gestión del cambio en primera línea.

Una gran firma de inversión que eligió Hebbia para una implementación completa (una de las tres principales) lo expresó claramente: no colaboran con laboratorios de grandes modelos porque «tenemos que explicarles qué es un CIM (confidencialidad de información de memorando)». Claude o GPT entienden el concepto, pero el equipo responsable de la implementación no.

Esa diferencia lo decide todo.

7. Sin necesidad de prompts

La IA a nivel personal responde a los prompts humanos.

La IA a nivel institucional actúa por iniciativa propia, sin prompts.

Mucho se discute sobre la comunicación entre agentes, y si en el futuro las empresas y las instituciones seguirán necesitando humanos.

Pero una pregunta aún mejor es: ¿la IA en el futuro necesitará prompts?

Es como conectar un motor eléctrico a una máquina de tejer manual. Desde su raíz, y de forma irreversible, estará limitada por el eslabón más débil de la cadena de suministro organizacional — nosotros mismos. Los humanos no sabemos qué preguntar correctamente, y mucho menos cuándo.

La tarea más valiosa que puede hacer la IA es aquella que nadie pensó en preguntar. La IA debe detectar riesgos no descubiertos, contrapartes no consideradas, pipelines de ventas desconocidos.

Eso abrirá completamente los límites de los casos de uso de IA.

Un sistema sin prompts que monitorea continuamente los datos de toda una cartera de inversiones. Detecta que el ciclo de capital operativo de una startup en la que invertiste se deteriora silenciosamente durante tres meses, cruza esa información con los términos del acuerdo de crédito, y notifica al socio operativo antes de que alguien en el fondo abra ese PDF.

Cuando ya no necesites que los humanos escriban prompts para la IA, aparecerán nuevas interfaces y nuevas formas de trabajar. En Hebbia tenemos ideas muy fuertes en ese sentido. Hablaremos más adelante.

Conclusión

Todo lo anterior no niega el valor de los chatbots, agentes y IA a nivel personal.

La IA a nivel personal será el medio por el cual la mayoría de las empresas en todo el mundo experimentarán por primera vez la magia de la transformación por IA. Impulsar su uso y su facilidad de acceso es el primer paso clave en la gestión del cambio para construir una economía prioritaria en IA.

Pero, al mismo tiempo, la demanda de inteligencia a nivel institucional es clara, urgente y enorme.

En el futuro, cada organización tendrá un chatbot de un laboratorio de grandes modelos. Y también tendrá IA a nivel institucional diseñada específicamente para problemas en áreas concretas — y la IA a nivel personal usará esa IA institucional como su herramienta más importante.

La integración «mejorada» de IA a nivel institucional y personal será una tendencia inevitable.

Pero recuerda la lección de las fábricas textiles de 1890: las primeras en electrificarse perdieron frente a las que rediseñaron sus talleres.

Ya tenemos electricidad. Es hora de rediseñar nuestras fábricas.