Versvs

Introducción a la sociedad de control en un mundo con inteligencia artificial, aprendiendo de las batallas pasadas

Publicado en 2026.05.28 por Jose Alcántara / 0 comentarios

Cuando no tenemos modelos realmente libres, somos dependientes de quien nos dé los modelos con los que operamos. En un mercado eficiente donde muchos vendors compitiesen por desarrollar y proporcionar estos modelos, el impacto sería mitigado por la propia dinámica de competencia. Pero en la situación real tenemos apenas a cinco empresas en todo el mundo desarrollando modelos de verdadero primer nivel. Eso no va a dar un mercado eficiente en ningún caso.

Tema #1: La evolución del DRM y el fin de la herramienta

Hace unas semanas se cuestionó 1bastante la negativa de Claude a trabajar en determinadas situaciones. Antonio Ortiz iba hasta el paso de afirmar que «eso lo convierte en algo intermedio a una herramienta». Sin embargo, ¿es realmente nuevo? ¿No hay un paralelismo con la restricción de permisos que vimos hace años con los sistemas anticopia y otros DRM más generales?

Hace muchos años surgió la Trusted Computing Platform Alliance, que pretendía precisamente limitar lo que podías hacer con el hardware. Eran otros tiempos, antes de que fuese evidente que la capa sobre la que se iba a redefinir la libertad en el uso de sistemas digitales no era la de hardware sino la de aplicación. iOS y Android limitan de forma efectiva el software que ejecutas; no lo bloquean nativamente en el hardware (Apple ha avanzado más en esta dirección que Google, no obstante) pero en la práctica casi nadie rootea un dispositivo, o flashea el sistema e instala otro.

Tema #2: Vigilancia publicitaria y control político son dos caras de la misma moneda

Volviendo a hablar de inteligencia artificial, se da la paradoja de que van a llevar la correlación de tu histórico de datos un paso más allá. Hasta ahora, resultaba memético hablar de lo ineficiente (que no ineficaz, que ya sabemos que son cosas diferentes) del retargeting de Amazon, a menudo incapaz de identificar cuando ya has comprado el producto en su propia tienda online. Recuerdo cuando hace ya casi quince años nos reíamos con Recuenco al hilo de la personotecnia y la brocha gorda de estos sistemas.

Google o Meta ya son capaces de recordar lo que tú has olvidado (y nuestro cerebro no está preparado para esto, pues nuestra salud mental depende de ir olvidando los malos ratos). Pero hasta ahora no le sacaban demasiado partido. Hace ya mucho que comentábamos la muerte de la conversación efímera, pues todo queda grabado en alguna parte. Ahora no solo queda registrado, sino que se va a comenzar a exprimir.

Y dado que con Cambridge Analytica y la manipulación electoral via influencia en Facebook aprendimos que no podemos separar vigilancia publicitaria y vigilancia política por parte del estado, porque los perfiles construidos para la primera se usarán para influir en la segunda, es el momento de hablar del impacto en la gestión de lo público gracias a la existencia de estos modelos de datos. En consecuencia, y dado que en Internet se usa para servir anuncios (OpenIA y Google no tardarán en integrarlos en sus chatbots), si bien no hay constancia de que los estados hayan usado estos perfiles a día de hoy, la pregunta no es si sino cuándo.

La creciente bancariazación de todas las compras, acentuada sobre todo en el último lustro, permite un trazado de perfiles aún más finos y con menos lagunas que hace un par de décadas.

Tema #3: El espejo de de China y la exportación de su modelo punitivo

China es posiblemente el país del mundo que más ha avanzado en sociedad de control. En 2008, embriagados de la hegemonía liberal tras la caída de la URSS, no supimos ver que posiblemente estaba el poder estadounidense estaba tocando techo y que el mundo iba a dejar de ser unipolar muy breve. Las señales estaban ahí desde la equivocada guerra de Irak en 2003-4. Tocamos ese tema hace un par de años la hilo de El final de la pax americana.

Pero entonces no lo sabíamos, así que nos parecía que la entrada de China en la Organización Mundial del Comercio era una buena noticia: China se iba a integrar más con el mundo libre, condición necesaria para que la sociedad china exigiese reformas democráticas. Poco sospechábamos que el movimiento era justo al contrario: no era China moviéndose hacia occidente, sino muy al contrario, occidente moviéndose hacia China.

A día de hoy, China exporta tecnología de control a más de 60 países globalmente, por no mencionar que sirve de inspiración a muchísimos más. Europa no es una excepción. En China se usó la pandemia del covid para instaurar durísimos y punitivos sistemas de control a ciudadanos. En Europa, y muy particularmente en España, pudimos comprobar durante los confinamientos a raíz de la pandemia del covid cómo excusa para suspender todo tipo de garantías democráticas, ¡con votos a favor de gobierno y oposición!

Veredicto: è un mondo difficile

El veredicto es oscuro: nos dirigimos a un mundo difícil. Si las revoluciones tecnológicas se extienden durante décadas hasta dar sus últimos frutos, con la revolución del computador ya en etapas anteriores hemos visto que el abaratamiento de la tecnología hacía posible la vigilancia a gran escala.

La disponibilidad actual de modelos grandes de datos que permitan extraer y dar sentido a la ingente cantidad de datos almacenados en perfiles (publicitarios, que dado el momento se usarán para lo que haga falta) posiblemente permita mucho más control.

Si la pax americana tuvo su reflejo en una extensión formal y en ocasiones exitosa de la forma de gobierno preferida en Estados Unidos (la democracia liberal), ¿qué traerá consigo la creciente influencia global de China? No podemos esperar que promuevan algo que no se alinee con su forma de entender el mundo, la sociedad, y las relaciones entre países. Ya estamos viendo cómo exportan su tecnología de vigilancia. Aquí nos quedará la duda de si la agresiva política de bloqueo de acceso a tecnología de Estados Unidos ha sido causa o consecuencia de la emergente independencia tecnológica china. A efectos prácticos, tanto monta cortar como desatar, lo que nos debe interesar es dónde estamos; lo demás no se puede cambiar.

La resistencia a la sociedad de control siempre tuvo fecha de caducidad, pues para las nuevas generaciones el estar constantemente online, rastreados de forma transparente, el tener la vida entera indexada no es una distopía sino el estado natural de las cosas. Si ya habíamos asumido vivir en ella, la nueva inteligencia artificial la amplifica.

[Imagen: È un mondo difficile, Jose Alcántara con ChagGPT.]

Empresa y organización/Inteligencia artificial

Incentivos rotos y la promesa de una fuerza laboral sin psique

Publicado en 2026.05.24 por Jose Alcántara / 0 comentarios

“Ya encontré el bug, estaba entre el teclado y la silla”. Mi querido Juan Sierra, compañero de batallas en aquella semillita DevOps que ayudamos a plantar en Ericsson, solía comentar esto con bastante retranca a modo de mea culpa. Siempre me hizo mucha gracia eso de verme un poco metamorfoseado à la Kafka (con la moral un poco más alta, eso siempre), así que le copié la frase y la uso cuando procede, porque el que no la lía y la deslía sin contribuciones ajenas varias veces a lo largo del día es que no está trabajando.

¿A qué viene todo esto? A que vamos a hablar de despidos, de optimización empresarial, y de quitar al humano (al bug) de la ecuación.

Esta semana, como todas últimamente, hemos visto varias noticias relacionadas con despidos masivos.

Meta notificando el despido a 8.000 empleados a las 4 de la madrugada (NYT) y de forma telemática. Zuckerberg es el villano oficial de Sillicon Valley pero hay que dejar de lado eso e ir al fondo, que comentamos a continuación.
Cloudflare saliendo al paso de cómo se relataron sus despidos masivos este año (WSJ, vía Antonio Ortiz en X).
ClickUp, una empresa pequeña valorada en apenas 4.000 millones de dólares, despidiendo al 22% de su plantilla (Evans, CEO, también en X).

Más noticias de despido, son parte del meme de la IA a estas alturas: despedimos para sustituir por IA. Salvo que es mentira. Nadie está, todavía, despidiento para sustituir por inteligencia artificial. Existe el incentivo de justificarlo así y, en cualquier caso, los mercados suelen acoger los despidos masivos con alboroto, empujando el valor al alza.

Y sin embargo, hay algo en estas tres noticias que les da un aire diferente al típico subterfugio de comunicación consistente en revisar la plantilla de un negocio en horas bajas usando el comodín de la IA para evitar dar explicaciones. En estos tres casos hay un trasfondo común: son empresas cuyos resultados son buenos, muy buenos, y que al mismo tiempo que despiden por una puerta están contratando por la otra.

Lo que dejan ir y lo que buscan, sin embargo, no es lo mismo. No despiden a un programador que no les está encajando en sus equipos para contratar otro y probar suerte a ver si encaja mejor. Contratan roles que antes no existían. Expertos en IA, orquestador de agentes (¿son los orquestadores de agentes los nuevos prompt engineers condenados a desaparecer cuando todo el mundo sea un orquestador de agentes?). De momento, apuntan a ser algunos de los que resistirán “en el bucle”.

Vamos, que al dar competencias a perfiles menos técnicos para implementar pruebas de concepto, lo que se busca es gente con gran conocimiento en el nuevo stack tecnológico. El clásico refresco de plantilla que los departamentos de HR enfocan con metáforas positivas, que es impopular entre muchos empleados pero necesario para cualquier empresa a partir de un cierto tamaño.

En notas anteriores hemos visto del complicado esquema de incentivos, trastocado de arriba abajo con la IA, desde repensar áreas funcionales completas a revisar el equilibrio interno-externo en la organización. Esto es una variable más a considerar.

Como contexto general es imprescindible recordar recordar que la elevadísima valoración de empresas como OpenAI o Anthropic no se justifica por la factura de 200€ mensuales para tu programador, como si fuese un SaaS caviar. Esa elevadísima valoración se justifica porque la promesa es la de reemplazar la fuerza laboral “de tracción animal” por otra automatizada, escalable, predecible. El sueño de Taylor hecho realidad al quitar de la ecuación a los humanos con su complicada psique, consiguiendo finalmente que el bug deje de estar entre el teclado y la silla.

[Imagen: El bug entre la silla y el teclado, Jose Alcántara con ChatGPT.]

Empresa y organización/Inteligencia artificial

La resistencia (a la Inteligencia Artificial) es fútil, ¡asúmelo!

Publicado en 2026.05.18 por Jose Alcántara / 0 comentarios

Para hablar hoy de inteligencia artificial vamos a mirarnos en el espejo de las guerras del copyright de principios de siglo. Cambian los protagonistas y los artefactos pero no los fundamentos básicos, esos que ayudan a entender dónde estamos metidos.

A principios de la década de los 2000, el mundo se dividía en dos. Por un lado, una mayoría descargando música en P2P como si no hubiese un mañana; por otro, una minoría visible que se sentía moralmente superior por no «subirse a ese barco». ¿Os suena?

Ahora es cuando hablamos de tendencias tipo «hecho sin IA». Misma división: una mayoría absurdamente grande de personas usándola para todo, cada vez más, y una minoría pequeña pero ruidosa usando este eje «hecho con/sin IA» como baremo en el cual destacar. Algo así como un sello de pureza humana.

El reto, claro, va a ser convencernos de que su postura es éticamente superior. Pero la historia es terca: creo recordar que exactamente cero unidades de persona cambiaron su posición frente a las descargas tras ser acusados de ladrones por Ramoncín.

La mutación será generacional

Estas dos posturas van a seguir existiendo durante décadas. Continuará habiendo artesanos. Hablemos de la revolución industrial y de cómo la población pasó de trabajar como artesanos a trabajar como operarios de fábrica.

Tendemos pensar que los obreros se fueron a dormir artesanos y se levantaron empleados de fábrica, pero no sucedió así. El reemplazo fue generacional y necesitó décadas. Es algo que comentamos de pasada en una nota breve en Desde el bucle. La mutación laboral masiva se dio a medida que unos (artesanos) se iban jubilando y otros se incorporaban al mercado, ya como obreros en las fábricas. La especie sobrevive mediante la adaptación, pero esta adaptación tiene lugar en la siguiente generación. Así pasó con los profesionales de la revolución industrial.

Cuando hablamos del renacimiento y la imprena ya vimos que el impacto de las nuevas tecnologías se extiende a lo largo de las décadas, hasta más de un siglo, hasta que revela sus cambios más profundos.

Y con la IA, ¿será parecido?

En el plano personal, el «hecho sin IA» solo tiene sentido para cierta producción cultural. Y aún en ese ámbito, sospecho que se terminará imponiendo el «hecho por personas con ayuda de IA». Como norma general, y en la medida en que tu tarea sea automatizada por la IA, tu tarea actual en una labor más aburrida, como pasó con los contables cuando empezaron a usar computadoras. No creo que vaya a haber pérdida masiva de empleos para programadores, por ejemplo, pero sí que los equipos de desarrollo de software van a cambiar radicalmente.

Es aquí donde entran las organizaciones, pues suelen ser indescriptiblemente tercas a la hora de reformarse. Con la IA no va a ser diferente y ya hemos visto que una gran mayoría de organizaciones no está sacando el partido que podrían. Todo esto sin que medie especial maldad, tan solo por la incapacidad de alinear incentivos de todos los agentes internamente.

La respuesta está en la biología (y en Nietzsche)

La respuesta a todo esto nos la van a dar a pachas entre la biología y la filosofía.

Darwin y la supervivencia. Veremos nacer una generación de empresas adaptadas a este nuevo contexto, sin mochilas. Los hyperscalers aguantarán la carrera tirando de chequera, comprando tiempo para llegar a algún lado. A menor escala, la carrera es por la pura supervivencia. Se vienen años de fagocitación de viejas glorias.
Nietzsche y la voluntad. Para eso tenemos a Nietzsche, que siempre fue muchísimo más cáustico y afirmó aquello de que nada determina tanto en qué nos convertiremos como aquellos detalles a los que decidimos no atender.

Repensar procesos y organigramas no es una opción de gestión; del mismo modo en que no beber agua tampoco lo es. En ambos casos, si decides ir a la contra, el resultado no tarda en ser visible. Como líder en una organización, tu misión es hoy más que nunca la de generar un esquema de incentivos que anime a todos a hacer lo correcto por simple egoísmo; porque esa fuerza motriz (el egoísmo) no va a desaparecer.

[Imagen: por Jose Alcántara, con Gemini.]

Actualidad

Las nubes en el horizonte del software libre

Publicado en 2026.05.05 por Jose Alcántara / Comentarios desactivados

Para analizar el impacto de la inteligencia artificial y, en general, la situación del software libre tras la popularización de los grandes modelos de IA hay que manejar al menos tres ejes:

Modelos de IA libres. ¿Cuál es la situación de los modelos libres?
Impacto en el software libre «tradicional» y en su modelo de desarrollo
Sociedad de control, donde confluyen las derivadas de todo lo anterior

Vamos a hablar de modelos libres y del impacto sobre el modelo de creación de software libre. Pero vamos a dejar la sociedad de control para otro día porque se me alargó demasiado el artículo.

Modelos frontera libres vs cerrados, ¿cuál es la situación?

El rendimiento de los modelos abiertos más avanzados va entre uno y dos años por detrás de los así llamados modelos frontera.

Lo que llamamos modelos abiertos son modelos cerrados a todos los efectos pero para los cuales los pesos (esto es, los coeficientes de ajuste para cada variable que te permite ajustar la inferencia) son públicos y configurables.

En el mundo del software libre nos hemos acostumbrado a que abierto y libre signifiquen lo mismo en la práctica. No es así con estos modelos. No son libres. No puedes crearlos en casa, entrenarlos de nuevo a partir de un puñado de código porque no tienes los datasets para entrenarlos.

Más aún, no hay a la vista nada ni remotamente parecido a un dataset libre que pueda producir un modelo ni remotamente cercano a uno de los grandes modelos frontera actuales. Y si alguien lo intenta, le caerá un cease and desist de magnitudes bíblicas. Esto de entrenar con todo lo que pilles, ganar dinero, y luego pagar la multa puede servir a OpenAI o a Anthropic, pero desde luego no es algo que cualquier proyecto pequeño pueda asumir, ni financiera ni éticamente. No hablo de costes de entrenamiento, pese a ser elevados, no creo que sea tan limitante como lo anterior.

Para más inri, algunos de estos modelos abiertos te los están dando los grandes actores detrás de los modelos frontera más relevantes, como Google (Gemma y Gemini). Gemma ha avanzado mucho, me gusta la oportunidad de poder ejecutar estos modelos en local y Gemma 4 en local y en mi móvil son estupendos. Pero Google no va a morder la mano que le da de comer, y Gemini y todos los modelos disponibles en su nube con opción de pago van por delante.

Recuerdo charlar con Joaquín Cuenca (fundador y CEO de Magnific) sobre modelos libres hará ya unos años, en los inicios del pivot de Freepik hacia la IA. Y recuerdo su respuesta porque me sorprendió: él decía que era manejable para poder competir, que ese retraso de 1-2 años no era para tanto. Visto el crecimiento imparable de Magnific, el tiempo le ha dado la razón. Cero sorpresas: malamente iría todo si mi intuición hubiese ido más fina que su conocimiento experto.

Más aún, si el caso de Magnific sirve para algo, quizá sea para reforzar esa idea de Gonzalo Martín y Juan Lupión de que el lock-in estará en el envoltorio, en el valor añadido que se pueda dar sobre el modelo en sí, sobre todo si el avance en modelos desacelera en algún momento.

¿Veredicto? No hay modelos verdaderamente libres. A día de hoy no estamos en posición de pensar que vaya a haberlos. Los modelos abiertos permiten un mercado efervescente de empresitas pequeñas que pueden ganar por la mano a los reyes del legacy y producir soluciones especializadas que por ahora no están al alcance de quienes hacen modelos frontera de propósito general. La única defensa ahí es tener una cadena de valor que vaya más allá de lo que el propio vendor del modelo pueda replicar de forma demasiado fácil.

Impacto sobre el modelo tradicional

El mayor impacto está en repensar la gobernanza y la incorporación de nuevo código a estos proyectos.

La brecha de supervisión que se genera cuando la ejecución de tareas escala con automatización pero la validación humana no escala está haciendo muy costosa la labor de mantenimiento de los proyectos libres. Mucha contribución con código generado por IA pero que a los maintainers del repositorio les lleva mucho tiempo revisar. Como consecuencia, cada vez más proyectos libres anuncian que de alguna forma limitan la contribución, la pone bajo moderación.

Esto destruye la principal ventaja de estos proyectos libres: que ahí afuera hay mucha más masa gris disponible y capaz de contribuir a proyectos libres, lo que les permite ir por delante de alternativas comerciales diseñadas a puerta cerrada, sin importar lo talentoso de ese equipo que trabaja a puerta cerrada.

La decisión pragmática por ahora es la de permitir IA en el código de las pull requests pero siempre que haya validación humana. Es lo que desde hace unas semanas se ha aprobado para el kernel de Linux.

A corto plazo, les permite seguir navegando. Pero a medio plazo la brecha de supervisión se va a seguir ampliando. No parece sostenible a medio plazo (5 años), y mucho menos a largo.

Pero Linux es la cabeza corta del software libre. Parte de ese selecto grupo de proyectos reconocidos y apoyados sin ambigüedad por todos los actores. ¿Qué pasará con la larga cola? Los pequeños proyectos seguramente estén en situación mucho más dura.

¿Veredicto? Pintan bastos para la larga cola de proyectos, desde pequeñas librerías hasta aplicaciones con no demasiada atención mediática. Todo lo que no sea parte del listado top de proyectos bien financiados y bien mantenidos va a sufrir mucho bajo la presión de una creciente brecha de supervisión.

¿Pero es que no vas a añadir nada positivo? Sí, la comunidad

Acaso el único aspecto que arroja algo de esperanza al contexto del software libre sea su comunidad. Al final, son los que hacen posible que miles de programas y librerías sigan al día, resolviendo problemas reales de todos nosotros, aunque por el camino el coste de supervisar el desarrollo de los mismos esté creciendo por el impacto de una IA que permite que cada vez más personas contribuyan código e ideas.

Ciencia/Inteligencia artificial

Cuando el empirismo adelanta a la comprensión: de la mecánica cuántica a la IA

Publicado en 2026.04.28 por Jose Alcántara / Comentarios desactivados

Cuando se compara la situación actual en torno a la inteligencia artificial con la vivida por los pioneros de la mecánica cuántica hace un siglo, se suele tirar la paralela de que ambos entornos evolucionaron mucho muy rápidamente. Hace un siglo se revolucionó la comprensión del universo a través de la física, y ahora se está viendo nacer una nueva forma de hacerlo prácticamente todo a través de los ordenadores. En ambos casos, mucho cambio, y muy rápido.

Algo de eso hay. Pero el paralelismo va más allá de la sucesión constante de pequeños avances.

O dicho de otra forma, hay similitudes en lo que vemos, y hay similitudes en lo que no entendemos. Un aspecto que une a ambos temas son las incógnitas, la falta de teoría acerca de por qué vemos lo que vemos.

La mecánica cuántica y las redes neuronales que permiten ese deep learning funcionan. La realidad es que funcionan. Pero en ambos casos no entendemos por qué funcionan.

Mecánica cuántica y el colapso de la certeza

Hace un siglo, la falta de explicación teórica derivó en ese célebre duelo entre Niels Bohr y Albert Einstein (con todos los grandes de la cuántica de fondo, claro, pero el relato siempre necesita protagonistas concretos). El desacuerdo era fundamental: el colapso de la función de ondas, esa abstracción matemática que nos permite evaluar el mundo a nivel subatómico.

No me puedo meter ahora demasiado a fondo con los detalles, pero piensen en el gato de Schrödinger: en la incapacidad de saber si está vivo o muerto hasta que abrimos la caja. Mirar es lo que elimina la probabilidad y nos da una certeza; dejamos de preguntarnos si el gato vive o muere para, sencillamente, saberlo. El problema es que, volviendo al mundo subatómico, un siglo después seguimos sin saber por qué colapsa esa función. Paradójicamente, con la mecánica cuántica lo que colapsa es cierta certeza.

La buena noticia es que, aunque la teoría esté incompleta, funciona. Todo el progreso científico-técnico del último siglo se ha construido sobre los hombros de una cuántica que no comprendemos del todo.

Redes neuronales y el empirismo por delante de la razón

A estas alturas ya sabrán a dónde voy. Durante setenta años, la teoría matemática ha ido por delante en el aprendizaje automático. Los científicos probaban cálculos y desarrollos amparados por una teoría matemática que les iba dando la razón. Estaban, como el padre de Tony Stark, limitados por la tecnología de su tiempo, pero eso era todo. Intuían a donde podían ir, porque la teoría numérica estaba ahí.

Excepto ahora.

El tipo de aprendizaje de las redes neuronales que usamos en este 2026 no se puede explicar con la teoría disponible. Podemos ver cómo funcionan, pero no razonarlos con las matemáticas existentes. Es el mismo escenario que el de la cuántica: resultados empíricos sin una base teórica suficiente.

Grosso modo, la teoría clásica predice dos destinos:

Modelo subajustado: El que comete errores pero infiere con cierta dignidad.
Modelo sobreajustado: El que se aprende los datos de memoria y los recita sin más, pero es muy frágil infiriendo un resultado a partir de datos para los que no se ha entrenado.

Las nuevas redes exhiben un tercer comportamiento no previsto por la teoría disponible: a cierta escala de datos y entrenamiento, minimizan el error y, a la vez, infieren mejor que nunca. No sabemos por qué. Es como cuando Rutherford y Bohr sospechaban que por debajo del átomo debían regir leyes que no eran las de la mecánica clásica.

Opiniones enfrentadas: ¿teoría o práctica, qué hacer?

Esto divide a la comunidad de científicos. Están quienes dicen que es urgente e importante entender bien qué está pasando «por debajo» (del mismo modo que Einstein defendía seguir desarrollando la teoría pues la explicación disponible era insuficiente).

Y luego están quienes dicen que si ya hay resultados, dedicar esfuerzos a buscar la explicación teórica es un freno para el avance. Que al final lo que cuenta es que el resultado empírico es bueno y que esa inferencia que no entendemos es inofensiva (estos son quienes se alinearían con Bohr y su grupo de Copenhage).

Fundamentalmente inofensiva añadiría yo, homenajeando a Douglas Adams, que siempre he pensado que Einstein sigue teniendo razón y que nos vendrían bien algunas buenas ideas para explicar ciertas cosas.

[Imagen. Recreación de una amigable quedada apócrifa de Albert Einstein, Yann LeCun, y Geoffery Hinton en Madrid, para hablar de sus cosas. Por Jose Alcántara usando ChatGPT.]

Economía/Empresa y organización/Inteligencia artificial

«No estamos sacando partido a la IA»: la estructura de las organizaciones se está comiendo el aumento de productividad

Publicado en 2026.04.23 por Jose Alcántara / Comentarios desactivados

Desde hace un tiempo en mi día a día no programo tanto como me gustaría, y dedico una buena parte de mi tiempo a gestionar “equipos de equipos” de desarrollo.

Es un tema que tiene su gracia porque la escala es la maldición del software moderno: la mayor parte del software que entregamos requiere mucho más de los míticos uno o dos equipos a los que podemos dar de comer con unas pocas de pizzas familiares. La escala es fricción, es ruido y, sobre todo, es lentitud.

La paradoja de la productividad con la IA (sin anestesia)

La productividad individual se ha multiplicado gracias a la IA, pero en la mayoría de las organizaciones eso no se traduce en entregar valor más rápido al usuario. Es el gran engaño de nuestro tiempo.

Tener un borrador para cualquier idea es ahora instantáneo, los análisis son más finos, y estamos automatizando todo. El código también se produce más rápido que nunca antes. Sí, sí, pero ¿está notándose realmente de cara a tus clientes? Me temo que no.

Una verdad incómoda: el aumento de productividad individual se disipa en la complejidad organizativa.

Tú haces tu parte más rápido que nunca solo para que se muera de asco durante días (o semanas) en el limbo de las dependencias, esperando que otros equipos te abran paso para releasear. El tiempo total para completar una tarea raramente es tiempo programanado. La mayor parte se pasa como tiempo esperando.

Cuando los tiempos de esperan dominan, la IA da a tus programadores satisfacción personal pero no da a tu empresa ventaja competitiva. El rendimiento individual ha explotado, pero si tu estructura no sabe canalizar esa energía, solo estás quemando dinero más rápido. Ahora con tokens en Anthropic.

El rendimiento individual ha explotado, pero es imprescindible crear una organización que sea capaz de sacar partido a esa ganancia.

La velocidad individual no equivale a velocidad de la organización. Esto no es nuevo, lo que pasa es que ahora da mucho más el cante.

Antes la ineficiencia organizativa quedaba enmascarada por la lentitud de implementación. Pero con la IA es más obvio que nunca que el verdadero cuello de botella ya no es la tecnología, sino la estructura de la organización.

Y esto solo va a ir a peor. La velocidad de ejecución se está convirtiendo en el único factor de supervivencia. No me malinterpretéis: la excelencia técnica sigue siendo necesaria, pero sin velocidad de ejecución, estarás fuera del mercado antes de que tu código elegante tenga siquiera la oportunidad de competir.

Esto tampoco es nuevo. ¿Recordáis a la famosa ballena de Twitter? Era la forma graciosa de decirnos que el servidor había reventado. Salía constantemente. Pero, ¿recordáis a alguno de sus miles de competidores que jamás fallaban? No. Se los tragó la historia. En 2026, esa tendencia es una ley física.

La ley de Conway: produces software del modo en que te organizas

¿Cómo hacerlo? Aplicando lo que ya sabemos:

Minimizar dependencias entre equipos (aplicando principios como Domain-Driven Design para reducir la fricción)
Equipos end-to-end. en el límite de eliminar dependencias, genera equipos con potestad end-to-end sobre su dominio de negocio
La organización y sus déficits como ciudadanos de primera. Afrontando los problemas organizativos como problemas de primer orden, por más que las personas en la organización tiendan a resistirse

El señor de la foto de abajo es Melvin Conway. Uno de esos tipos mucho más listos que yo a los que conviene escuchar.

Melvin Conway es un matemático e informático. Desarrolló el concepto de corutinas (permitiéndonos suspender la ejecución de una aplicación, algo que ahora damos por sentado) y fue el primero en aplicar el concepto de un ensamblador. Izquierda. Melvin Conway en 1968 (un año después de acuñar lo que conocemos como Ley de Conway). Derecha. Aproximadamente en 2015.

La ley de Conway en acción

Melvin Conway observó que “las organizaciones diseñan sistemas que reflejan sus estructuras comunicativas”.

Si tus equipos se organizan en silos aislados, tu software será un pastiche de piezas inconexas. La IA hace a los individuos más rápidos, pero si tu diseño organizativo genera fricción, esa velocidad muere en el foso de la comunicación interna.

¿Externalizas? Entonces la productividad se la queda otro

Además del diseño organizativo, hay un elefante en la habitación que explica por qué no ves ese supuesto incremento de velocidad: la productividad se la está quedando tu proveedor.

Si tienes parte de tu desarrollo externalizado y no notas que avancen más rápido, pueden estar pasando muchas cosas. Pero asume la más probable: sí que trabajan más rápido, solo que tú no estás invitado a la fiesta.

En el mundo de los contractors, el incentivo es perverso. El objetivo básico del proveedor es que sigas confiando en él, claro. Pero el objetivo real es tener a todos sus consultores facturando al 100%. Un consultor libre es dinero que dejan de ganar y un riesgo de fuga de talento.

De modo que, si sus desarrolladores ahora son un 30% más rápidos gracias a la IA, ese margen no te lo van a regalar en forma de entregas más tempranas. Lo van a diluir: una gota de «QA extra» por aquí, un poco de procesos internos por allá. O sin más rodeos, van en mejorar su propio margen de beneficio. La renta derivada de la IA la captura quien se remanga para producir el software.

La mentalidad de MBA, en jaque

Sé que esto choca frontalmente con la mentalidad de MBA, esa obsesión por optimizar el uso de recursos y cuadrar presupuestos de costes estructurales frente a gasto en servicios. Pero siento ser yo quien te dé la mala noticia: en el desarrollo de software, the times the are a-changing y las reglas de negocio también.

Últimamente oímos casos de empresas que están internalizando procesos que antes delegaban en SaaS o en terceros. Es el mismo movimiento defensivo: si quieres capturar el valor que genera la IA, tienes que poseer el medio de producción.

Entiendo las ventajas fiscales y operativas de externalizar, pero si quieres ver un impacto real en tu cuenta de resultados gracias a la IA, quizá debas replantearte ese equilibrio entre lo interno y lo externo. Lo que tú no seas capaz de construir por ti mismo, lo vas a tener que pagar a precio de oro, aunque al proveedor le cueste la mitad que hace dos años.

Ni era dorada del vibe coding ni leches: o recuperas el control de tu desarrollo, o estarás subvencionando la eficiencia de otros.

¿Qué nos llevamos de todo esto?

La IA ya es una commodity. Todo el mundo la tiene, no te hace especial. Los ganadores van a ser quienes sepan combinar esa aceleración con agilidad organizacional real.

Entender y abrazar la Ley de Conway es lo que permite que la IA tenga un impacto real de cara al usuario. La pregunta ganadora no es “¿cuántas líneas de código puedo generar yo hoy?” (ya sabemos que podemos generar todas las que hagan falta), sino “¿cuánto tardamos, como equipo, en poner esta idea en manos del cliente?”.

Inteligencia artificial/Lecturas

Dos lecturas complementarias para entender dónde estamos con la IA

Publicado en 2026.04.20 por Jose Alcántara / Comentarios desactivados

Una nota breve para comentar un par de lecturas recientes. Estas últimas semanas he dedicado tiempo a dos libros sobre inteligencia artificial que me han dejado buen sabor de boca, aunque por motivos radicalmente distintos.

El primero es Co-intelligence, de Ethan Mollick (Amazon). Un clásico reciente que tenía en la lista de pendientes desde hace tiempo. Podríamos decir que es la lectura ligera de esta pareja; un texto escrito pensando específicamente en los humanos que vamos a usar estas herramientas (¡los humanos en el bucle!). Al final, eso nos incluye a todos: no hay escapatoria posible a la IA y, desde luego, no podemos desinventarla.

Lo mejor de Mollick es que el libro no contiene ni una sola ecuación, lo que lo hace apto para todos los públicos. Al no perderse en analizar la última novedad técnica de tal o cual modelo, también ha conseguido sobrevivir dignamente al paso del tiempo (recordemos que fue escrito en 2023). No hace falta ser un nerd para extraer ideas valiosas aquí. De hecho, su mayor fortaleza reside en su aproximación fenomenológica: intenta entender cómo nos relacionamos con esta tecnología y qué efectos produce en nosotros. Me ha parecido una lectura sosegada, algo que se agradece en un entorno que suele pendular entre el hype más absurdo y el pánico sensacionalista.

Por otro lado, he terminado Why Machines Learn, de Anil Ananthaswamy (Amazon). Este es un viaje por la historia del machine learning, desde los orígenes de la computación hasta nuestros días. Pero aquí sí hay matemáticas. Muchas. Es, definitivamente, la lectura densa y no es apta para muggles. Incluso si decides saltarte las codas matemáticas, el cuerpo del texto sigue siendo exigente. Con todo, si en algún momento de vuestra vida le disteis duro al álgebra, no os asustéis; no es nada que no hayáis visto en la universidad. Eso sí, poneos el cinturón.

El recorrido desde las primeras neuronas artificiales hasta el deep learning, desgranando los algoritmos que durante 70 años han permitido construir lo que hoy tenemos entre manos, es una auténtica pasada. Lo he disfrutado de principio a fin. Estoy seguro de que volveré a traer este libro a próximas reflexiones, porque conecta rabiosamente bien con temas que ya hemos tocado por aquí como aquella charla sobre cuántica y filosofía a raíz de What is Real y refuerza esa idea de que las revoluciones tecnológicas se cocinan a fuego mucho más lento de lo que nuestra miopía cortoplacista nos permite ver.