Guía del cambio de la IA

¿Qué seis conceptos básicos explican casi todo lo que viste?

• Modelo vs app. El modelo es el cerebro (GPT, Claude, Gemini). La app es el coche construido a su alrededor (ChatGPT, Claude.ai, Cursor). El mismo cerebro puede ir en muchos coches. Tu producto también será un coche.
• Predice texto. Un modelo lee muchísimo texto y aprende qué suele venir después. Por eso escribe con fluidez y también por eso puede equivocarse con total seguridad ("alucinación"). Prueba siempre lo que construye.
• Solo sabe lo que hay en la mesa. La "ventana de contexto" es su mesa. Lo que pegas o adjuntas está en la mesa. Lo demás se olvida entre chats. En el proyecto 2 guarda un archivo de especificaciones breve (qué hace la app, reglas, decisiones) y entrégalo cada vez.
• Los tokens son el contador. El uso se factura por pequeños trozos de texto, como un plan de móvil por mensaje. Los chats largos y los archivos grandes cuestan más y van más lento. Es también el precio de cada función de IA de tu producto.
• Chat vs agente. Un chat responde. Un agente actúa: lee tus archivos, escribe código, lo ejecuta, ve el error, lo corrige y repite durante horas. Ese salto permite que una sola persona cree hoy un SaaS.
• Por qué el primer proyecto se complicó. Peticiones grandes y vagas dan resultados grandes y vagos. Pasos pequeños, un plan escrito, versiones guardadas (git) y una prueba rápida tras cada paso lo mantienen limpio.

¿Qué pasará en los próximos años? (visión del ponente, no hechos)

• Los costes bajan, las capacidades suben y el cambio se acelera.
• La IA pasa de las palabras a la ciencia: matemáticas nuevas, candidatos a fármacos.
• La potencia de cálculo seguirá siendo insuficiente.
• Los empleos de oficina sufren presión; quien aprende IA sale ganando.
• Riesgos citados: gasto financiado con deuda, ciberataques, uso excesivo, tensión por la desigualdad.

¿Qué es esa "IA" de la que todos hablan?

Un ayudante informático que ha leído una cantidad enorme de libros, páginas web y conversaciones. Le hablas o le escribes como a un amigo muy leído. Puede explicar, redactar una carta, traducir, planear un viaje o ayudar con una receta.

¿Cómo cambió en los últimos años?

• 2022: sabía charlar y escribir. Como un amigo por correspondencia muy listo.
• 2024: aprendió a pensar antes de responder. Como un estudiante que repasa la cuenta.
• 2025: puede coger un trabajo entero y terminarlo solo durante horas. Como un asistente contratado.

¿Qué hace mi hijo con ella?

La usa para crear pequeños servicios en internet, algo así como montar una tiendita que funciona sola. Antes hacía falta un equipo de programadores. Ahora una persona con una buena idea y este ayudante puede hacerlo. Más adelante podrá vender esas tiendas.

¿Es peligrosa?

• Como la electricidad o los coches: muy útil, y necesita normas y cuidado.
• Algunas personas serias temen que una IA muy potente se descontrole algún día. Otras creen que eso queda lejos. Nadie lo sabe seguro, y las empresas ya dedican esfuerzo a la seguridad.
• Los riesgos de cada día son más corrientes: estafadores (voces y mensajes falsos), errores dichos con seguridad y pasar demasiado tiempo hablando con una máquina en lugar de con personas.

¿Quitará empleos?

Algunos trabajos de oficina cambiarán mucho. A quien aprende a usarla suele irle mejor que a quien la ignora. También hay demanda de trabajos que necesitan manos y presencia, como enfermería, construcción y reparaciones, por ejemplo para construir los centros de datos que la hacen funcionar.

¿Cómo usarla con seguridad?

• Buenos usos: traducir una carta, explicar un formulario confuso, sugerir recetas, planear un viaje, escribir un mensaje a la familia.
• Comprueba las respuestas importantes (salud, dinero, leyes) con un médico, un banco o un abogado de verdad. Puede equivocarse sonando seguro.
• Nunca compartas contraseñas, datos bancarios ni números de documentos.
• Si una llamada o mensaje de "un familiar" pide dinero con urgencia, cuelga y llámale a su número de siempre. Las voces se pueden falsificar.

1. ¿A qué bolsa de dinero apunta la IA?

El software antiguo vendía herramientas. La IA puede hacer el trabajo, así que compite por el dinero que las empresas pagan a personas por hacer tareas. 10 entre 0,65 son unas 15 veces; 20 entre 0,65, unas 31.

2. ¿Cuánto gastará el mundo en tecnología en 2026?

Gartner, previsión de abril de 2026, vía SaaStr. Software +15,1 %, centros de datos +55,8 %, TI total +13,5 % interanual. La cifra de software de Gartner abarca más que los 650 mil M$ de la diapositiva, por eso no coinciden.

3. ¿Cuánto invierte la gran tecnológica en infraestructura de IA?

Previsión de capex 2026 a 29 abr 2026, vía Yahoo Finance. Las barras muestran el punto medio del rango; total unos 725 mil millones de dólares. Advertencia del ponente: ya se financia en parte con deuda.

4. ¿Qué tan rápido es "rápido"? (múltiplos de crecimiento)

• De 200 M$ a 700 M$ en un año: una empresa de trabajo del conocimiento de alto valor (ponente, sin nombre).
• De 110 M$ a 3,4 mil M$ en un mes: media de siete operaciones, el "doble paso" de precios (datos del ponente).
• 10 % al día: 1,10 multiplicado por sí mismo 30 veces da unos 17,4. Es mi cálculo, para mostrar qué significa "más de 10 % diario".
• De 0 a 100 M$ en 7 días: un producto clasificador, unas 100 veces más barato que un modelo general. Es su afirmación, un caso atípico entre los atípicos. Su diapositiva dice "0 a 70 %", así que las cifras pueden diferir del audio.

5. ¿Los saltos de la IA se acercan entre sí?

De nov 2022 a dic 2024 hay 25 meses. De dic 2024 a nov 2025, 11 meses. Por eso dice que las empresas de apps deben reinventarse cada cuatro meses.

0:28La tecnología llega en olas apiladas

• Chips → sistemas → redes → internet → móvil → apps de IA.
• La mayor ola hasta ahora: la IA va tras el gasto en software y tras el gasto en servicios, mucho mayor.
• La más rápida: porque todos ya tienen móvil e internet. La distribución existe.
• Otra forma: las olas anteriores cambiaron cómo se mueve la información. Esta cambia cómo se procesa. El suelo bajo los creadores se sigue moviendo.

2:32Tres puntos de inflexión en cinco años

• Nov 2022 ChatGPT: preentrenamiento (pensamiento rápido, "sistema 1").
• Finales de 2024 o1: razonamiento (pensamiento lento, "sistema 2").
• Otoño de 2025 Claude Code + Opus 4.5: agentes de largo recorrido. Su tesis: aquí llegó la AGI.
• Su blog de enero de 2026 decía "2026: This is AGI". Entonces se rieron; ahora es consenso (sus palabras).

3:59Lo bueno, lo malo y lo feo

• Bueno: apps que terminan el trabajo; ayuda experta para médicos rurales; educación (Alpha School como anticipo); empleos manuales por la construcción de centros de datos.
• Malo: las grandes tecnológicas financian el gasto con deuda; peor riesgo cibernético; "psicosis de IA" en usuarios intensivos; la mayoría de empleos de oficina bajo ataque.
• Feo: catastrofismo (afirma que las publicaciones alarmistas sobre centros de datos vienen de un esfuerzo patrocinado por el Estado chino; es su afirmación, sin verificar); brechas de riqueza que elevan la tensión social, quizá peor.

6:34Dentro de los laboratorios de IA

• Navaja de Occam: los laboratorios comunican mal, así que cuando suenan raros, lo dicen en serio.
• El objetivo pasó de AGI a ASI.
• RSI: los modelos se construyen a sí mismos; "durante gran parte del último año".
• Mejorar más rápido aumenta P(doom); los laboratorios se toman ya en serio la alineación.
• Los modelos pasan del lenguaje a la ciencia.
• Viene: arquitecturas eficientes, chips propios, aprendizaje continuo.
• Negocio: dura competencia por tokens, "deploy cos" (consultores enviados a grandes empresas), escasez de cómputo, guerra de talento más fría, más fusiones y adquisiciones de los laboratorios.

9:39La brecha de difusión es tu oportunidad

• Los creadores de aplicaciones, sobre todo startups, viven en esta brecha.
• Mejor apuesta: trabajo del conocimiento de alto valor (programación, ciberseguridad, salud, finanzas, contabilidad). Cada ámbito tendrá una gran empresa.
• Se forman nuevos sistemas de registro, como la ola de Salesforce/Workday en la era de la nube.
• Tecnología de frontera (candidatos a fármacos en días) y "neolabs" de dominio específico.

9:52Startups: menú, crecimiento, operaciones, valoraciones

• Sé dueño de tu inteligencia: pasa cargas de modelos grandes a modelos abiertos ajustados, más baratos para la misma calidad.
• Reinventarse cada ~4 meses según cambian los modelos.
• Equipos de "eslabón más fuerte": proteger a los mejores y dejarlos trabajar.
• Los organigramas parecen una red de agentes.
• Las valoraciones son salvajes: de unos 110 M$ a 3,4 mil M$ en un mes en siete operaciones.

15:04Cierre

Preentrenamiento vs razonamiento vs agentes

• Preentrenamiento: la IA lee una gran parte de internet y aprende patrones. Como los años de colegio.
• Razonamiento: tiempo para pensar antes de responder. Como mostrar el procedimiento en vez de soltar la respuesta.
• Agentes (largo recorrido): trabajan en una tarea durante horas con herramientas y comprobándose. De la respuesta de un test a un proyecto terminado.
• Por qué importa: cada capa hizo parecer pequeñas las "funciones de IA" anteriores. Los productos hechos para la capa antigua quedaron absorbidos.

AGI vs ASI

• AGI: puede hacer casi todo el trabajo del conocimiento tan bien como una buena persona. El ponente dice que llegó a finales de 2025. Otros no están de acuerdo; no hay definición común.
• ASI: claramente más lista que los mejores humanos en casi todo. Los laboratorios apuntan ahora aquí. Sin fecha.
• Analogía: la AGI es un gran empleado. La ASI es una empresa entera de genios que nunca duerme.
• Por qué importa: no construyas en torno a una debilidad que puede desaparecer el próximo trimestre.

La navaja de Occam en la IA

• Significado general: la explicación más simple que encaja suele ser la correcta.
• En la charla: los laboratorios suenan dramáticos y contradictorios ("la IA es peligrosa" y "la construimos más rápido"). Explicación más simple: dicen ambas cosas en serio y comunican mal.
• Tómalo al pie de la letra: cuando un laboratorio dice que corre hacia la superinteligencia, créelo y planifica en consecuencia.
• Para tus productos: elige la lectura simple (la IA mejora y se abarata) y pregunta qué ideas tuyas sobreviven.

RSI, despegue, P(doom), alineación

• RSI (automejora recursiva): IA que ayuda a crear mejor IA, que crea mejor IA. Un volante de inercia. El ponente dice que ya ocurre en parte desde hace un año.
• Despegue: mejora demasiado rápida para que los humanos la sigan.
• P(doom): tu estimación de la probabilidad de que la IA tome el control de la humanidad o la elimine. Los expertos dan cifras muy distintas.
• Alineación: lograr que la IA quiera de forma fiable lo que queremos. El ponente dice que los laboratorios vieron que estaba infrafinanciada.

Del lenguaje a STEM

• Primera ola: palabras (chat, redacción, resúmenes).
• Ahora: ciencia, tecnología, ingeniería y matemáticas. Teoremas nuevos, moléculas de fármacos en días.
• Por qué es grande: las palabras son una porción pequeña de la economía. La ciencia y la ingeniería concentran mucho valor.
• Para quien crea: los próximos nichos son profesiones técnicas donde la hora de un experto es cara.

Sistema de registro (SoR) en software de IA

• Sencillo: el lugar oficial donde una empresa guarda la verdad sobre un área. Salesforce = clientes. Workday = empleados. ServiceNow = incidencias de TI.
• Analogía: el archivador que todos deben usar. Difícil de reemplazar porque ahí viven la historia y los hábitos.
• En IA: cuando la IA hace el trabajo, el lugar que guarda el trabajo, los datos y las decisiones pasa a ser el nuevo registro.
• Defendible: una capa de IA sobre el registro de otro es fácil de reemplazar. Ser el registro es pegajoso.

Otras palabras de la charla

• Token: unidad en que se factura el uso de IA (más o menos un trozo de palabra).
• TAM: mercado total direccionable, el dinero al que un producto podría aspirar.
• Brecha de difusión: las capacidades existen, pocos las usan todavía.
• Ser dueño de tu inteligencia: ejecutar un modelo abierto ajustado por coste y control.
• Hiperescaladores: las gigantes de la nube.
• Aprendizaje continuo: modelos que siguen aprendiendo tras su lanzamiento.

Cinco movimientos para hacer una idea más única

• 1. Vende resultados, no licencias. "Tus facturas están conciliadas" vence a "una herramienta para conciliar facturas".
• 2. Elige un nicho aburrido y caro. Contabilidad, cumplimiento, administración sanitaria, seguridad.
• 3. Conviértete en el registro. Guarda los datos y las decisiones para que irse duela.
• 4. Crea un bucle de datos. Cada uso mejora el producto de un modo que un clon no puede replicar al empezar.
• 5. Controla la distribución. Audiencia, alianzas, una marca paraguas con confianza.

Realismo sobre vender (opinión del autor, no de la charla)

• La charla trata de empresas a escala de capital riesgo con valoraciones extremas. Los productos pequeños se valoran por ingresos, retención y riesgo.
• Un comprador preguntará qué impide que el producto muera con el próximo modelo.
• Laboratorios e incumbentes compran datos, clientes y distribución, no interfaz.
• Prioriza ingresos recurrentes, datos de clientes, un nicho y bajo coste de operación.