- Material de presentación de Hayongho Ha, de DataOven
- El recorrido de AX (transformación con IA) en una empresa suele pasar por 5 etapas similares: euforia → estancamiento → entusiasmo → escepticismo → la prueba final
- AI J curve Trap: no por ponerle IA algo mejora de inmediato; hay que pasar por el pozo del Verification Tax (impuesto de verificación) antes de subir
- Las 3 grandes deudas (debt) de la era de la IA se comen la productividad
- Deuda técnica: el código generado por IA solo optimiza bien lo local, pero no entiende bien el conjunto; con duplicación y rodeos excesivos, la velocidad de la empresa incluso puede caer en 5 a 19 meses
- Deuda cognitiva: se despliegan resultados sin entenderlos ni confiar realmente en ellos; por la "rendición cognitiva (cognitive surrender)", tu clic fácil → mi clic fácil termina convertido en pipeline
- Deuda de intención: se evapora el contexto y el conocimiento tácito de por qué se hizo algo de cierta manera; incluso hay casos de recontratación tras despidos
- El trabajo principal de las personas se desplaza de la producción a la verificación: no hay que verificarlo todo, sino concentrar capacidades en la capa de verificación del resultado
- La capa de verificación = Binary Checks (casos de prueba) + Quantitative Metrics (throughput/latency) + Qualitative Rubrics (LLM as a judge)
- No solo hace falta verificación en build-time, también verificación en run-time (productos con agentes de IA no deterministas)
- Una buena verificación requiere entendimiento del dominio → puede crearla un experto
- Incidente de filtración del código fuente de ClaudeCode: el código de nivel A solo lo era por el espacio cognitivo humano; si lo maneja una IA, aunque sea de nivel C o D, basta con que el resultado sea bueno
- Si la verificación es realmente confiable, con Auto Research / Loop (antes Ralph) la IA puede repetir su auto-mejora 24 horas al día incluso mientras la gente duerme
- Resolver la deuda de intención = capturar el conocimiento tácito (tacit knowledge)
- grill-me / grill-with-docs de matt-pocock: poner a la IA como quien pregunta para que extraiga mi intención (quien pregunta no eres tú, sino la IA)
- Memoria compartida de toda la empresa, memoria compartida empresarial de Anthropic, mem0·seCall, etc.
- Extraer persona+memory para crear un "Agent virtual de mí mismo"
- Condiciones de una AI native company → Queryable + Closed loop + Self-improving
- Rediseñar todos los componentes para que sean fáciles de manipular para la IA y fáciles de verificar para los humanos; incluso los seniors que solo gestionaban vuelven a la ejecución
- El perfil de talento en la era de la IA = "la capacidad de encontrar respuestas en situaciones ambiguas"
- Es decir, actuar como un director general: ①dividir problemas ②detectar rápido los fracasos ③encontrar la estructura para que las cosas funcionen
- Fortalezas que cobran nueva importancia: comprensión rápida del contexto, capacidad de convertir en mind-sized bites, capacidad de atraer atención (marketing), y gusto (taste) claro ("qué hacer menos")
- Aun así, la especialidad sigue siendo indispensable: Gell-Mann Amnesia Effect (solo parecía convincente porque no eras experto); los choques de valores y las decisiones difíciles con responsabilidad siguen siendo tarea humana
- Cambia la definición de experto: de persona hábil en una destreza → responsable de la operación
- Alguien que crea la IA de su propio dominio, mantiene la capa de verificación y asume juicios de valor correctos, un gusto respaldado y una responsabilidad convincente
1 comentarios
Se perdió la conexión del sitio.