- La brecha de productividad entre los usuarios de IA se está ampliando rápidamente, y mientras los “power users” aprovechan activamente herramientas avanzadas de IA como Claude Code y MCPs, la mayoría sigue limitada a un uso conversacional al nivel de ChatGPT
- A las grandes empresas les cuesta adoptar las herramientas de IA más recientes debido a políticas de seguridad, entornos de TI cerrados y sistemas heredados, mientras que las empresas pequeñas están internalizando la IA rápidamente y mejorando su eficiencia
- Esta brecha está llevando a una era en la que los equipos pequeños pueden alcanzar una productividad muy superior a la de las grandes empresas, y la construcción de APIs internas y entornos seguros de ejecución de código está emergiendo como la clave de la competitividad futura
- Si se combina un agente con un sandbox de bash que tenga acceso a lenguajes de programación y APIs, incluso los usuarios no técnicos pueden reemplazar casi todas las apps de productividad, y esta es la forma futura del trabajo del conocimiento
Dos tipos de usuarios de IA
- La brecha de productividad entre usuarios de IA se está ampliando con rapidez
- De un lado, están quienes usan Claude Code, MCPs y flujos de trabajo basados en habilidades, y hasta personas no técnicas usan activamente IA desde la terminal
- En particular, en el sector financiero hay muchos casos en los que la automatización con Python supera las limitaciones de Excel
- Del otro lado, siguen quienes se quedan en un uso simple de preguntas y respuestas al nivel de ChatGPT
- Muchos trabajadores todavía pertenecen a esta categoría y no están aprovechando plenamente el potencial de la IA
Las limitaciones de Microsoft Copilot
- M365 Copilot viene incluido con la suscripción a Office 365 y por eso tiene una alta cuota en el mercado empresarial, pero su interfaz está al nivel de una versión degradada de ChatGPT
- La función de “agentes” resulta casi ridícula si se la compara con agentes de codificación por CLI, incluido el propio GitHub Copilot CLI de Microsoft
Suele fallar con archivos grandes y tiene límites de memoria y CPU excesivos
- Incluso dentro de Microsoft se está implementando Claude Code en equipos internos
- Esto muestra que Copilot se ha quedado atrás técnicamente
- En entornos corporativos, muchas veces Copilot es la única herramienta de IA permitida, así que los empleados tienen que arriesgarse a ser despedidos o hacer un gran esfuerzo si quieren usar otras herramientas
— después de tener malos resultados con este tipo de herramientas, los altos responsables desprecian a toda la IA, o terminan gastando enormes sumas en grandes consultoras sin lograr resultados
El riesgo estructural que enfrentan las grandes empresas
- Las políticas cerradas de TI centradas en seguridad están bloqueando la innovación
- Entornos extremadamente bloqueados: ni siquiera se pueden ejecutar intérpretes básicos de scripts en local (con suerte, algo como VBA, y aun eso está restringido por Group Policy)
- Software heredado: los flujos de trabajo críticos no tienen APIs internas, así que los agentes ni siquiera tienen con qué conectarse
- Departamentos de ingeniería aislados en silos: a menudo están totalmente tercerizados, por lo que no hay personal interno capaz de construir la infraestructura para operar agentes con sandboxing seguro
- Por supuesto, las preocupaciones de seguridad son reales: ejecutar sin control agentes de codificación sobre bases de datos de producción es riesgoso
- Pero el sandboxing es una tarea difícil, y el problema central es que no hay equipos de ingeniería capaces de construirlo de forma segura
El rápido crecimiento de las empresas pequeñas
- Las empresas medianas y pequeñas sin restricciones heredadas están adoptando la IA con rapidez y disparando su productividad
- Por un lado, hay directores financieros que probaron Copilot para Excel de Microsoft (y la integración de Gemini con Google Sheets es igual de mala), vieron que hasta las tareas simples salían mal y no volvieron a tocarlo;
- por otro lado, hay ejecutivos no técnicos que aprendieron Claude Code y ejecutan Python en local
- Con apenas 2 o 3 prompts, logran convertir casi por completo a Python un modelo financiero en Excel extremadamente complejo, con 30 hojas, usando Claude Code
- Una vez que el modelo se pasa a Python, con Claude Code se puede obtener un nivel de capacidad comparable al de un equipo de ciencia de datos
- Se pueden ejecutar simulaciones de Monte Carlo, conectar fuentes de datos externas, construir dashboards web y ayudar a analizar debilidades del modelo (o del negocio)
- Antes, los empleados de empresas pequeñas envidiaban los recursos y equipos de las grandes compañías,
pero en este entorno los equipos pequeños muestran una eficiencia muy superior a la de las grandes empresas, y la tendencia de la productividad se está invirtiendo
La estructura del trabajo en el futuro
- Las mejoras de productividad impulsadas por IA surgen de abajo hacia arriba (bottom-up)
- Los equipos pequeños intentan construir flujos de trabajo asistidos por IA para procesos específicos, y como conocen esos procesos a fondo, logran buenos resultados
- Esto contrasta con los equipos externos de ingeniería de software que no tienen ninguna experiencia real con el proceso
- Es prácticamente lo opuesto a la mayoría de los proyectos tradicionales de “transformación digital”
- Las empresas que tienen APIs para sus sistemas internos pueden lograr mucho más
- El abanico va desde un simple data warehouse de solo lectura al que los empleados se conectan para ejecutar consultas en nombre del usuario, hasta la APIzación de procesos críticos del negocio
- Ejecutar agentes de código en entornos de VM con seguridad controlada es una alternativa realista
- Sirve bien para reportes de solo lectura, pero todavía tiene límites cuando se trata de modificar datos
- Los proveedores de SaaS empresarial heredado están en una posición de fuerte lock-in o, según cómo se vea, de extrema vulnerabilidad
- La mayoría no son productos “API-first”, y sus APIs existentes están diseñadas para desarrolladores, por lo que no están optimizadas para que miles de empleados las invoquen de manera ineficiente
- Pero si son la única fuente de verdad de la empresa (source of truth), migrar es muy difícil y se convierten en un cuello de botella para la mejora de productividad
- Las empresas pequeñas tienden a usar productos más nuevos y con APIs mejor diseñadas
- Estos nuevos productos SaaS están diseñados con enfoque API-first, lo que facilita la integración con IA
Una nueva forma de trabajo del conocimiento
- La combinación de un sandbox de bash con acceso a lenguajes de programación y APIs del sistema con un framework de agentes funciona como una poderosa herramienta de productividad incluso para personas no técnicas
- El usuario ingresa un prompt y el agente genera el resultado a través de APIs
- Puede exportar en el formato deseado todo lo que el usuario pida, como reportes, análisis de datos o generación de documentos, por lo que puede reemplazar la mayoría de las apps de oficina tradicionales
- Este modelo, en el que el usuario hace un prompt, el agente se conecta a APIs y genera entregables según la solicitud, es el futuro del trabajo del conocimiento
- Esta polarización es real y se está acelerando rápidamente
- Estos cambios están abriendo una era en la que los equipos pequeños pueden obtener ventajas competitivas más rápido que las grandes empresas
- La brecha en el uso de IA existe de verdad, y su velocidad no deja de aumentar
- Nunca en la historia había sido tan fácil para un equipo pequeño superar a una empresa mil veces más grande
4 comentarios
Comentarios en Hacker News
Creo que se puede dividir a los usuarios en dos grupos
uno es el de quienes usan la IA como herramienta, reconocen sus límites y la usan para tareas repetitivas o aburridas, o para obtener resúmenes
el otro es el de quienes tercerizan el pensamiento mismo, casi no entienden el tema, solo quieren el resultado y no tienen intención de aprender
estos últimos son el tipo de gente que cree que un chatbot puede reemplazar a un desarrollador senior
lo único que importa es entregar rápido, y el feedback del cliente llega hasta seis meses después, así que no tiene sentido
ahora apenas hago el mínimo esfuerzo y aguanto cobrando el sueldo
hice una app para practicar comprensión auditiva en alemán con Claude Code y ElevenLabs, y fue tan efectiva que hasta mi profesora se sorprendió
no me interesaba aprender código; mi objetivo era mejorar mi alemán
es decir, la usan como un socio conversacional más que como una simple herramienta
La diferencia de productividad al usar IA en proyectos greenfield y proyectos brownfield es grande
el primer día de un proyecto nuevo haces una semana de trabajo, pero en sistemas existentes la mejora se queda en alrededor de 20%
al final, es como si la IA hiciera que el “dilema del innovador” se reproduzca rápidamente
la cuestión es cuánto puede aportar la IA en la etapa de maduración de sistemas complejos
con IA casi completé un archivo de build de Hashicorp Packer, y una IA local fue de gran ayuda
pero en infraestructura antigua la imprevisibilidad es mayor, así que un LLM incluso puede arruinarlo todo
al principio todo va rápido, pero después se hacen visibles los límites de la arquitectura
también ayuda a reducir la sobreingeniería
cuando un proyecto supera los 200k tokens, la productividad cae a 0
al final, las organizaciones ganan con procesos que no dependen de la memoria
Cuando escuché que un ejecutivo usó Claude Code para convertir un complejo modelo financiero de Excel de 30 hojas a Python, casi me dieron náuseas
desde alguien con formación en matemáticas y geofísica, ese tipo de modelo en Excel ya es una pesadilla en sí misma
aun así, admito que probablemente la versión en Python no sea mucho peor que el original
¿quién va a detectar un modelado incorrecto? Casi nadie
las simulaciones hechas por LLM tienen todavía menos procedimientos de validación
al principio se usan para experimentar rápido, y cuando generan mucho dinero, el equipo técnico las convierte en una app formal
el Excel original fue ajustado durante años, mientras que la conversión no es más que una réplica falsa
Da miedo que existan no expertos creando modelos financieros con IA
Ahora mismo estamos en los inicios del Shadow AI
como el Shadow IT de los 2000, los empleados ejecutan Claude Code en la terminal a escondidas
porque el Copilot oficial ni siquiera puede manejar bien un CSV
los CISO están aterrados, pero si lo prohíben, los empleados competentes se irán
Dicho al estilo de los años 80, la verdadera innovación sale de los flujos de trabajo creados espontáneamente por el personal de primera línea
porque ellos son quienes mejor entienden el proceso
y solo después llegan los paquetes de software amigables para el CIO
En los últimos meses, ahora que los agentes empezaron a volverse realmente útiles, todos recién están empezando a usarlos
cosas como MCP, LangChain o las vector DB estuvieron de moda un tiempo, pero ahora están más silenciosas
todavía es demasiado pronto para hablar de tendencias
probé los servidores MCP de context7 y playwright, y fueron efectivos para planificar y cerrar bucles de retroalimentación
La integración de Microsoft Copilot con Excel es pésima
después de 30 años creando formatos XML complejos, un LLM no puede entenderlos
por eso en nuestra empresa estamos migrando documentos de Word a Markdown. Se siente como una especie de karma
pero el tiempo necesario para hacer documentos amigables para la IA no deja de aumentar
Copilot ignoró incluso la instrucción de convertir a CSV y falló
Una vez escuché esto: “ya no es que las empresas grandes vencen a las pequeñas, sino que las empresas rápidas vencen a las lentas”
ahora, en la era de la IA, esa frase se siente más cierta todavía. El problema es cómo mantenerse rápido
Copilot sigue recibiendo críticas. ¿Cuándo lo mejorará MS?
Lo estoy usando como peón 1, 2, 3.
Hay muchas críticas a Copilot en el medio, pero en realidad
Claude Code se está expandiendo rápidamente dentro de Microsoft
Parece una situación que sin duda también aplica a las grandes empresas en Corea.
La empresa les dice que lo usen, así que lo usan, pero seguro habrá lugares donde ChatGPT/Claude no están permitidos y solo se puede usar Copilot.