Cuando una ola de inteligencia artificial alcanza a todo el mundo a la vez, la verdadera cuestión no es la destrucción sino la adaptación: ¿cómo adoptamos estas herramientas de modo que maximicemos nuestra propia posibilidad de salir adelante? El ponente describe mucho apocalipsismo a su alrededor, con gente que dedica su tiempo a intentar convencerse mutuamente de qué empleos va a destruir la IA. Su tesis es que, visto con perspectiva, la IA creará muchos más empleos de los que elimina. Aun así, acepta que algunos desaparecerán y serán sustituidos por formas de trabajo de naturaleza muy distinta.
El mecanismo detrás de esa tesis es sencillo. Una vez que todo el conocimiento humano, más la materia gris de las conexiones que no es conocimiento pero puede derivarse de él, queda a un clic, algo enorme se desplaza. Cuando la información es gratuita e inmediata, lo escaso pasa a ser la capacidad de ordenarla, sopesarla y colocarla en su sitio. El ponente lo resume con el gusto y el criterio : los modelos son instrumentos extraordinarios, pero el resultado depende menos del modelo que de la persona que impone forma a su salida. El gusto es saber qué se ve bien; el criterio es decidir qué salida utilizar.
Muestra qué significa eso en su propio trabajo. Sus días pasan sobre todo en inversión y en construir su plataforma 89 90, y en ambos casos lo esencial es la negociación y la persuasión. Para eso construyó un agente, un agente de equilibrio de Nash , que modela las dinámicas de ganancia multipartita, los compromisos entre las partes, los riesgos y los jugadores que nadie reconoce en la mesa. El objetivo no es ganar a una contraparte, sino cartografiar cómo se reparten las ganancias y las pérdidas entre todos los implicados.
El contenido del agente procede de su propia lectura. Principios extraídos de libros de gestión y de literatura de psicología se reúnen en un único conjunto de directrices, con nombres como Robert Greene, Dale Carnegie o Los cuatro acuerdos entre las fuentes. Cada vez que lee algo que le interesa, lo añade al corpus y después reescribe el texto. El agente es, por tanto, una especie de modelo del mundo personal: no una plantilla descargada, sino un documento que crece mediante un ciclo de lectura, selección y poda.
Cómo se construye el modelo del mundo personal
El corpus tiene una segunda función, que es filtrar. Relee la salida del agente buscando la parte más enraizada en sus propias debilidades psicológicas y filtra sobre esa base. Una afirmación de un modelo no se da por verdadera solo porque el modelo la haya producido. Un segundo agente se ocupa del trabajo más mecánico: una cifra de gasto actualizada de forma continua, una construcción de cartera sin riesgo ni deuda, simulaciones de Monte Carlo y optimización de cartera, y luego un envío diario de resultados. El sistema se convierte en un bucle de retroalimentación vivo y no en una pregunta formulada una vez.
Una de sus reglas es no estar nunca en deuda, una regla que admite haber incumplido y haber pagado por ello. Cuando los ingresos netos por intereses cubren por sí solos la totalidad de su coste de vida después de impuestos, la vida gana una opcionalidad completa: puede moverse sin la presión de tener que decidir y sin precipitarse para evitar una mala jugada. Con su esposa aplica algo similar a la salud, convirtiendo los análisis de sangre, la alimentación y los estudios que leen en una actualización continua que saca a la luz problemas ocultos. La idea es poner una segunda mirada sobre los datos en vez de confiar a un modelo un conocimiento que uno no tiene.
La decisión técnica no es qué modelo elegir, sino si el sistema que lo rodea se mantiene actualizado. Grok, Gemini, OpenAI y Claude son todos candidatos serios; la diferencia real está en la calidad de los microservicios que los habitan. Es un trabajo real, pero una vez hecho queda un modelo de vida: un agente de negociación, un filtro psicológico, un gestor de cartera y gasto, un seguimiento de longevidad y salud y, de vez en cuando, una capa que responde a preguntas sobre la crianza de los hijos.
La curación es la parte que no se puede saltar. Sin mantenimiento ni poda, el modelo degenera en una máquina de consejos de salud promedio que recomienda sauna y inmersión fría a todo, porque estadísticamente es lo que más aparece. Quien lo usa es precisamente quien tiene la competencia para decirle al modelo en qué pensar a continuación. La habilidad no consiste tanto en escribir la respuesta como en orientar el razonamiento. Dice haber dedicado mucho tiempo a escribir, podar, leer las salidas y juzgarlas, y que el resultado está ajustado a su propio gusto, sin pretender que exista una única respuesta correcta.
Cuando alguien de su equipo le pidió el agente de Nash, su primera respuesta fue que no, porque entregar un sistema significa que el otro deja de ejecutar el suyo. Después ha llegado a la idea de coser los elementos en un modelo del mundo y dejar que la gente lo pruebe. La forma más rápida de saber si un sistema así sirve es ponerlo a funcionar contra la propia vida, porque eso enseña lo que es y, más útilmente, lo que no es. Usado el tiempo suficiente, el principal aprendizaje es que no se trata de un superarma: ayuda en algunos sitios y decepciona en bastantes otros.
De dónde vienen el gusto y el criterio importa tanto. Si uno disfruta de verdad con el trabajo, el tiempo que puede dedicarle es prácticamente ilimitado, y expresar gusto y criterio se vuelve más fácil. Ese lujo no es de todos. Tomemos a un agente de crédito: aunque un modelo tramite todas las solicitudes de principio a fin, el sí o el no final sigue siendo una decisión humana, y ahí el peso del criterio supera al del gusto. Lo que el humano gana no es un empleo nuevo, sino el tiempo liberado de la burocracia para pensar. ¿Qué deberían estudiar entonces los niños? No tiene una buena respuesta, porque ignora en qué punto del ciclo estamos. En el lado del criterio, la vía obvia son la ingeniería y la física, las disciplinas que explican cómo funciona el mundo y en las que todo está sujeto a una ley. En el lado del gusto, entender los incentivos y la psicología importará cada vez más, lo que apunta al terreno común de la filosofía, la política y la economía. La posición honesta, sin embargo, es que nadie lo sabe: los modelos son realmente buenos, pero si destruyen empleos o crean abundancia sigue en el aire, y cada uno tiene un interés distinto en que gane una u otra hipótesis. El obstáculo es que vivimos en un entorno amplificado por las redes sociales y optimizado para los clics, de modo que la desinformación introducida en un momento así simplemente se multiplica. Si las redes sociales hubieran existido en 1910, al comienzo de la revolución industrial, el contagio habría sido increíble; visto desde aquí, aquella revolución fue extraordinariamente positiva para la humanidad. El mismo cálculo puede valer hoy, aunque las instituciones construidas en 1910 no se trasladan.
Qué estudiar y lo que nadie sabe
Lo que hace falta ahora es un grupo de líderes de la IA que se reúnan y ofrezcan soluciones, el contrapunto de los industriales que vieron lo que la industrialización les reportaría y movilizaron recursos para devolverlo hacia adelante, de modo que quienes dejaban el campo para la fábrica encontraran una biblioteca, una escuela e infraestructura. Bien hecho, la marea creciente levanta todos los barcos; si no, corroe la capacidad de decisión de la gente. Y aunque el estado final sea realmente positivo para todos, no llegaremos allí, porque la gente quedará atrapada en un medio turbio donde no hay marco para entender por qué las cosas pueden empeorar antes de mejorar, y donde no hay credibilidad porque los líderes nunca construyeron la confianza necesaria para ser creídos. Su conclusión es seca: es una herramienta increíble que seguirá siendo más inteligente, exigirá a humanos con gusto y criterio, y la comunidad de la IA está fallando estrepitosamente al explicarlo. La lección práctica queda clara: elige un solo modelo fundacional, construye dentro unos pocos microservicios enlazados y poda según un calendario. Cuáles de esas cosas merecen el sitio solo se aprende probándolas contra la propia vida. No le delegues al modelo la carga de decidir ni la factura de lo que viene después; quédate con ambas, porque el criterio nace exactamente ahí.
Momentos clave
- La pregunta de la ola
Viene una ola de IA, ¿qué hacemos?
- La tesis sobre el empleo
La IA creará muchos más empleos de los que elimina.
- Gusto y criterio
Usa los modelos y afina tu gusto y acertarás.
- El agente de Nash
Construí un agente de ganancias multipartitas.
- El corpus de lectura
Añado lo que me interesa y luego reescribo el texto.
- El filtro psicológico
Filtro la salida por mis propias debilidades.
- Gasto y deuda
No estar nunca en deuda me da opcionalidad total.
- El sistema de salud
Convertimos los análisis en una actualización continua.
- Elegir un modelo
Elige un modelo fundacional y alimenta los servicios.
- El aviso de poda
Sin mantenimiento, me dirá que vaya a la sauna.
- La petición del equipo
Mi equipo pidió el agente y dije que no.
- La idea del modelo del mundo
Quizá debería unirlo todo y dejar que lo prueben.
- El agente de crédito
El sí o el no final sigue siendo humano.
- Qué estudiar
Ingeniería, física, incentivos y psicología.
- La incertidumbre honesta
Si destruye empleos o crea abundancia, no lo sé.
- La amplificación
La desinformación se multiplica en un entorno de clics.
- La analogía de 1910
Redes sociales en 1910 sería un contagio increíble.
- El papel institucional
Vieron la ganancia de la industrialización y la devolvieron.
- El medio turbio
Nadie se lo creerá, la confianza no se construyó.
- El fracaso de encuadre
Es un fracaso enorme de la comunidad de la IA.
Comentario de la IA
"El marco del ponente se apoya en una analogía histórica, y eso es lo que le da fuerza. El punto débil es que no ofrece pruebas de que la IA creará más empleos: ofrece una predicción. Aun así, lo más valioso del vídeo es que describe su propia infraestructura en lugar de delegar la lección en otra persona."
Evaluación de la IA
La objeción más fuerte al vídeo es la confianza con que afirma que la IA creará más empleos, sin aportar pruebas. El argumento de prosperidad a largo plazo es defendible históricamente, pero calificar la revolución industrial como balance neto positivo oculta sus costes: trabajo infantil, lesiones, una esperanza de vida que primero cayó antes de subir. Los equivalentes actuales ponen una cifra a quién pierde, no solo a quién gana. Un hombre que ha hecho de su carrera una apuesta por esa tendencia puede actuar dentro de un apetito de riesgo razonable, pero sigue siendo una apuesta y no un dato.
La segunda limitación es que el relato del sistema personal no está probado a escala. Afirma que esos agentes ordenan sus decisiones y que las han mejorado con el tiempo, pero no ofrece ni una sola comparación de qué decisión cambió y mediante qué sistema. Filtrar la salida de un modelo con el propio gusto no es una verificación: un filtro que refleja tus propios sesgos corre el riesgo de contar dos veces el mismo sesgo. Un consejo así debe quedarse en experiencia y no convertirse en medición.
El tercer punto es el interés. El ponente se describe como quien se negó a entregar el agente a su equipo, una decisión levantada sobre una suposición sobre los roles en juego. La ambigüedad mayor es la apelación a las instituciones: es un hombre con un capital enorme, y el vínculo entre su empresa y el bienestar general no es el mismo que supone la analogía.
¿Qué debería hacer entonces quien lee esto? Los movimientos más baratos son los más rentables: construir un sistema pequeño para un problema único, usarlo a diario y darle tres meses. Si ninguna decisión concreta de tu vida ha cambiado, puede que estés ejecutando un sistema en vez de usarlo. Y conserva la costumbre de contrastar una afirmación con una sola fuente, porque en este periodo el capital más valioso no es la respuesta correcta sino la rapidez con la que detectas la equivocada.
Fuentes
8 enlaces; ninguna otra noticia publicada los cita. Stories sharing a link do not confirm each other; a source's origin is not inferred from how often it is cited.
- @youtube.com How I'm Preparing For The Ai Revolution — Chamath Palihapitiya
- @anthropic.com Anthropic Economic Index — Economic primitives (Ocak 2026)
- @carnegie.org Andrew Carnegie's Library Legacy: Carnegie Corporation of New York
- @gartner.com Gartner — Hype Cycle for Artificial Intelligence
- @gartner.com Gartner — What's Driving the Hype Cycle for Generative AI
- @forbes.com Why Taste Is The One Skill AI Can't Copy
- @weforum.org WEF New Economy Skills: Unlocking the Human Advantage
- @gartner.com Gartner — 2026 Hype Cycle for Agentic AI
inteligencia artificial · gusto y criterio · agentes personales · futuro del trabajo · sociedad de la ia