Cuando la IA amplifica la productividad de un equipo por cinco, puedes reducir un 80% de la mano de obra y mantener la producción original; o puedes mantener la cantidad de personas y hacer cinco veces más. Esta elección ocurre simultáneamente en las salas de juntas de empresas de todo el mundo, y no existe una respuesta estándar.
En julio de 2025, cuando Huang Renxun fue entrevistado por CNN y le preguntaron si la IA causaría desempleo entre los trabajadores de cuello blanco, dio una respuesta extremadamente directa: si el mundo no genera nuevas ideas, las mejoras de productividad que aporta la IA, al final, solo se traducirán en desempleo. El problema no es la IA, sino si los responsables de la toma de decisiones tienen imaginación. Si el mundo no genera nuevas ideas, las mejoras de productividad que aporta la IA, al final, solo se traducirán en desempleo.
Y la historia ya ha demostrado que las mejoras de eficiencia nunca hacen que la demanda disminuya. El Paradoja de Jevons, propuesta en el siglo XIX, señala que cuando la tecnología incrementa la eficiencia y reduce costos, la demanda no solo no baja: al contrario, crece. Esta regla se repite en cada revolución tecnológica.
Paradoja de Jevons: las mejoras de eficiencia no hacen que la demanda disminuya; al contrario, incrementan la demanda
De manera intuitiva, las mejoras de eficiencia harían que la demanda disminuyera, como cuando Google lanzó el algoritmo TurboQuant, que comprime al menos 6 veces el uso de memoria de los modelos de lenguaje grande y, sin sacrificar la precisión del modelo, incrementa la velocidad de inferencia hasta en 8 veces. El mercado interpretó rápidamente esta tecnología como “destrucción por el lado de la demanda”, pero la historia nunca ha funcionado así.
(La nueva tecnología de Google asusta al mercado: ¡la demanda de memoria de la IA baja 6 veces! SK Hynix, Micron venden al mismo tiempo)
En el Podcast de a16z, el cofundador de BOX, Aaron Levie, señaló que el mayor error de juicio en el mercado hoy es intentar entender la IA con la manera del mundo antiguo: “El mayor problema ahora es que todos intentan calcular modelos económicos, pero al menos están subestimando el tamaño de las oportunidades en un orden de magnitud”.
Este tipo de error en realidad ha ocurrido muchas veces. En la era de las PC, la gente pensaba que la capacidad de cómputo era un mercado finito; en la era de la nube, la gente pensaba que solo estaban trasladando los servidores existentes al centro de datos de otra persona. Pero lo que realmente ocurrió fue esto: nadie pensó que la gente usaría mil veces más recursos.
Esa es la versión moderna de la Paradoja de Jevons: cuando bajan los costos, la demanda no disminuye, sino que estalla.
Caso de Excel: se comprime la ejecución de bajo nivel y se amplifica la toma de decisiones de alto nivel
La IA también es igual. Cuando los modelos se vuelven más baratos y más rápidos, el mercado cree en el primer momento que la demanda se encoge, pero lo que realmente sucede es que explotan los casos de uso. Y ese estallido cambia directamente la manera en que los seres humanos trabajan.
Las revoluciones tecnológicas nunca reemplazan a las personas directamente; más bien, mueven a las personas hacia abstracciones más altas. Lo explica con el ejemplo de una persona que entra a trabajar al banco con un MBA: al principio, ella no usaría hojas de cálculo, por lo que se necesitaba todo un grupo de practicantes para hacerlo por ella. Pero unos años después, ella y sus colegas terminan todos siendo capaces de operar hojas de cálculo; el trabajo de esa capa original desaparece directamente y la capa de abstracción se desplaza hacia arriba.
La IA está replicando ese proceso: la ejecución de bajo nivel se comprime, y la toma de decisiones de alto nivel y la integración de sistemas se amplifican.
Si no hay ideas nuevas, las mejoras de productividad que aporta la IA solo se traducirán en desempleo
Este cambio ya no es teoría; menciona un caso: un especialista de marketing de Anthropic que, usando herramientas de IA, logró trabajos que antes requerían equipos de cinco a diez personas. Incluso puede decirse que una sola persona, automatizando los trabajos de cinco a diez personas con Claude Code.
Pero la clave de este caso está en la capacidad. Levie señaló: “Tienes que ser un pensador de sistemas para poder hacer esto”. La IA no hace que todos se vuelvan más fuertes; lo que hace es dar un apalancamiento enorme a quienes saben descomponer sistemas. El trabajo en sí no desaparece: se redefine.
Y esto vuelve al momento en que el año pasado le preguntaron a Huang Renxun si la IA causaría desempleo entre trabajadores de cuello blanco, y su respuesta fue esa. Todos dicen que la IA provocará una ola de desempleo, pero las herramientas solo duplican la productividad; el problema es de quién no tiene la capacidad para usarlo y aumentar la producción.
Si el mundo no genera nuevas ideas, las mejoras de productividad que aporta la IA, al final, solo se traducirán en desempleo. El problema no es la IA, sino si los responsables de la toma de decisiones tienen imaginación.
Aaron Levie: en el futuro, el número de agents de una empresa podría ser mil veces el de los empleados
Cuando este modelo se expande a nivel empresarial, la forma organizativa también cambiará.
En el Podcast, Levie planteó una profecía clave: en el futuro, el número de agents de una empresa podría ser de 100 a 1000 veces el de sus empleados. Y si tus agents son de 100 a 1000 veces más que las personas, tu software debe construirse para los agents.
Esto significa que la fuente de la competitividad empresarial se está desplazando: el desempeño de tu empresa dependerá de qué tan eficazmente tus agents puedan obtener información y completar tareas.” Por lo tanto, el problema de la industria del software también se redefinió. Si las API son abiertas, cómo se administran permisos e identidades y cómo se llaman los datos: todo eso se vuelve una capacidad central. Bajo esta arquitectura, los empleados ya no son la única unidad de producción; los agents se convierten en los ejecutores principales, y los humanos pasan a enfocarse en el diseño y la coordinación.
Desde el punto de vista de Levie, Paperclip, del que se habló en reportes anteriores, podría ser un escenario laboral de IA bastante visionario.
Si OpenClaw fuera un empleado de IA, entonces Paperclip sería el sistema de gestión de toda la empresa. Los usuarios pueden configurar objetivos de la empresa, construir estructuras organizativas, reclutar agentes de IA de distintos tipos (como OpenClaw, Cursor, Codex), y hacer que se repartan tareas y colaboren como si fueran equipos de la empresa. El papel de los humanos en este sistema se parece más al de una junta directiva: solo necesitan definir la estrategia, aprobar decisiones importantes y supervisar el presupuesto; el resto lo completan los agents automáticamente.
(¿Qué vale una empresa de una sola persona? El proyecto de IA open source que se volvió viral: Paperclip te ayuda a crear una “empresa sin personal”)
No puedes hacer vibe coding para crear SAP
Pero esta transición no se completará de la noche a la mañana. Levie también lo advirtió con claridad: “La difusión de la capacidad de la IA será más lenta de lo que Silicon Valley imagina”. La razón es que las empresas no parten de cero; gran parte del conocimiento está distribuido en procesos, sistemas y organizaciones, no solo en una capa de datos. También lo dijo de forma directa: no puedes construir SAP solo con vibe coding.
El problema más real es que la mayoría de la gente ni siquiera puede describir claramente su flujo de trabajo, y mucho menos convertirlo en un sistema que un agent pueda ejecutar. Por eso, todavía hoy, para construir un sistema completo de agents se necesita una capacidad técnica alta. Sin embargo, este umbral está bajando rápidamente.
Volviendo a la pregunta original: históricamente, en cada revolución tecnológica, hay empresas que eligen reducir costos y otras que eligen expandir capacidades. Las primeras optimizan la eficiencia; las segundas crean el mercado. Al final, quien define la época suele ser la segunda.
La IA también es igual. El problema nunca es si reemplazará a las personas o no; la cuestión es si vas a usarla para hacer más cosas.
Este artículo responde a una pregunta: si la IA te hace mejorar tu eficiencia por cinco, ¿vas a reducir 80% de costos o a hacer cinco veces más? Aparece por primera vez en Cadena News ABMedia.
