Grandes empresas «buey y caballo», forzadas a usar IA

Esta brisa de “mejora de la eficiencia con IA” aún ha terminado alcanzando a los trabajadores de las grandes empresas que trabajan por un salario.

Al principio, la IA solo era un juguete para unos pocos geeks tecnológicos y los primeros en probarla. Había quien se pagaba una suscripción con su propio dinero, quien intercambiaba ideas en privado sobre prompts, y la trataba como una herramienta nueva para mejorar la eficiencia; de hecho, muchos probaron sus beneficios.

Pero ahora, la situación cambió. Las grandes empresas de internet, tanto en China como en el extranjero, ya pasaron de la etapa de “fomentar el uso de la IA” a la de “usar la IA de manera implícitamente obligatoria”. Hay quien ha sido contabilizado cuántos Token consume cada día; hay equipos que vinculan el uso de IA con la evaluación de desempeño; hay quienes reciben la orden de usar prioritariamente herramientas desarrolladas internamente; y hay quienes deben descomponer su experiencia laboral en procesos, convertirla en Skills, y entregársela a la IA para que la invoque una y otra vez.

Cuando “usar IA” y “quemar Token” se van convirtiendo gradualmente en una forma de evaluación, en una serie de requisitos e incluso en una nueva plantilla de trabajo, ¿cuál es realmente la situación de los empleados de esas grandes fábricas que quedaron arrastrados por esta ola de inteligencia?

En estos días, hablamos con seis personas dedicadas a distintas empresas y distintos puestos. Sus antecedentes abarcan el CIO de una empresa cotizada en el extranjero, el desarrollo senior en una gran empresa líder en China, programadores junior responsables de escribir código y puestos no técnicos como operaciones y negocios de mercado.

Algunos logran duplicar la eficiencia con IA: el ciclo de salida de documentos de requisitos de producto se comprime de varias semanas a un día, e incluso una sola persona logra resultados que antes correspondían a todo un equipo; pero también hay quien, para responder a los requisitos de “producción inteligente”, tuvo que ajustar manualmente un sencillo panel de datos 80 veces, convirtiendo la IA en algo que requiere estar “limpiando el desorden” constantemente, como si fuera un becario junior al que hay que corregir todo el tiempo.

El ambiente laboral en las grandes empresas también ha cambiado de forma sutil. Cuando las cosas que antes pertenecían a la experiencia personal y a los hábitos de trabajo se van desarmando, organizando, subiendo y reutilizando, quienes escriben código con seriedad pasan a ser “miembros poco activos”; y quienes ajustan prompts con frecuencia se convierten en el típico caso de “adoptar activamente la tecnología nueva”. La nueva ansiedad también surge: ¿realmente estamos usando la IA, o estamos alimentando a la IA para, paso a paso, convertirnos en un proceso que se puede sustituir?

En este experimento de IA que viene de arriba hacia abajo, a algunos les entusiasma, a otros les cansa, y otros incluso cooperan a la vez que se sienten inquietos. Pero casi todos se dan cuenta de una cosa: el engranaje de la época ya se ha puesto en marcha; ya sea que abracen activamente el cambio o que cooperen pasivamente, ese tiempo de trabajo que dependía puramente de la mano de obra y de “echar horas”, se está “cerrando”.

Para entregar un “resultado de IA”, cambié el panel de datos 80 veces

Bien | Operaciones, alguna gran empresa líder de internet en China

Tres semanas atrás, el líder envió un aviso en el grupo. Dijo que en adelante se “fomentaría a todos usar IA para mejorar la eficiencia”; que no habría KPI, ni se vincularía con el desempeño, pero en la reunión él recalcó que, para todo lo que se genere en adelante, se puede dejar que la IA produzca primero una versión.

En ese momento lo entendí: en realidad era un requisito implícito.

Hace más de veinte días, nos unificaron la exigencia de usar la herramienta de IA desarrollada internamente, con el argumento de la “seguridad de datos”, pero pronto aparecieron los problemas.

Primero, el límite de cuotas. La empresa asigna un número limitado de llamadas por persona. Yo, mientras pienso en cómo lograr hacer el trabajo con IA lo más posible, también tengo que calcular al detalle y “ahorrar” el uso.

Segundo, la capacidad es inestable. Va bien para escribir textos, pero cuando se trata de análisis de datos y lógica compleja, empieza a equivocarse.

La semana pasada, la usé para un panel de datos y me colapsó directamente.

Esta tarea era sencilla: era una herramienta para analizar datos de clientes y ventas. Antes era trabajo del departamento técnico; ahora se necesita que “todo el mundo sepa hacerlo”. Yo antes usé Gemini para escribir sin problemas un juego, y pensé ingenuamente que montar un panel de datos no debía ser difícil.

En el primer intento, la IA me dio directamente una plantilla de carga de datos, que incluía siete u ocho campos que realmente no hacía falta; así que tuve que borrarlos y ajustarla manualmente.

Después de entrenarla 13 veces, por fin coincidieron las dimensiones y los datos, pero se omitió mostrar tres regiones; incluso así, todavía explicó que era un “filtro automático de regiones de bajo valor”.

Al ajustar hasta el intento 40, el formato de los datos empezó a estar desordenado: algunos decimales se conservaban con 0, otros con 4.

Aguanté hasta modificar 60 veces; luego, al subir nuevos datos, las gráficas no se actualizaban automáticamente. Los números nuevos y los antiguos se superponían, y los datos se inflaron cerca de un 100%.

Después de modificar 80 veces, finalmente llegué al último paso: exportar a PDF con éxito. Pensé que al fin podía respirar tranquilo, pero al abrirlo, se me murió el ánimo: pasé una tarde entera y solo obtuve una pila de caracteres sin sentido.

Calculé con cuidado. Tanto para hacer un panel de datos como para completar el informe de trabajo diario, el tiempo que repito depuraciones con la IA y la espera del “sorteo” es suficiente para que lo haga el personal humano dos veces. Pero el líder quiere ver “salida de IA”, así que tengo que acompañar a este “empleado junior de IA” a cometer errores continuamente.

Para mí, la IA es tanto herramienta como carga; más o menos mitad y mitad. Sí, se encarga de algunos trabajos repetitivos, pero el tiempo de depuración, verificación y retrabajo llena exactamente la energía que se suponía que se ahorraba. Mi sensación más clara es que, aunque muchos trabajos los podría terminar yo mismo, igual tengo que dar una vuelta: hacerlo “una vez” con IA.

Para completar el número de usos de IA, me borré el código y se lo di para que lo reescribiera una vez

Kevin | Ingeniero, alguna empresa de comercio electrónico en EE. UU.

Mis usos de Kiro esta semana (el asistente interno de programación con IA) aún no alcanzan el objetivo. Para completarlo, borré un fragmento de código de validación de parámetros y se lo di a Kiro para que lo reescribiera. Lo que generó se veía bastante bien, pero no manejó una excepción más al final, así que al final tuve que completarla yo.

En realidad, antes yo usaba bastante la IA para programar. Tenía una suscripción de ChatGPT Plus y luego también probé Claude. Cuando se trataba de algunos casos de prueba básicos y tediosos, o necesitaba consultar rápidamente una API que no usaba con frecuencia, encargarle el trabajo a la IA sí me ahorraba un montón. En ese momento de verdad sentí que podía mejorar la eficiencia, y también había intercambio de prompts entre todos.

Pero a finales del año pasado, la empresa convirtió a Kiro en la “herramienta de desarrollo nativo con IA recomendada” y estableció un objetivo: para finales de año, el 80% de los ingenieros deben usar Kiro cada semana.

Al principio decían que era para que todos la usaran de forma práctica dentro de los proyectos, pero no tardó mucho en lanzarse internamente un sistema para rastrear la frecuencia de uso de IA por parte de los empleados. Se puede ver en el backend quién la usa y quién la usa poco.

Lo que más nos da dolor de cabeza es que Kiro no termina de ser tan usable. Funciona bien para escribir código de plantilla, pruebas y adaptación de interfaces; pero en cuanto entra en temas como cadenas de llamadas, gestión de estado o restricciones de despliegue, el código que genera a menudo solo es un “producto a medio terminar”. Por eso, muchos ingenieros piden cambiar a Claude Code y piensan que Kiro no sirve para decisiones de alta complejidad.

Hay una razón por la que no todos confían en el código generado por IA. A finales del año pasado, un equipo de la empresa tuvo un accidente bastante serio después de ejecutar cosas generadas por Kiro. Después del incidente, las aprobaciones de cambios de código en las que participa IA se endurecieron claramente.

Pero aun así, sigo sintiendo un poco de desorientación. Aquellas personas que se meten de lleno a investigar la lógica de bajo nivel y optimizan a mano el código central no están lo bastante activas en el sistema de seguimiento; en cambio, quienes ajustan prompts con frecuencia se vuelven el típico caso de “adoptar activamente la tecnología nueva”.

Yo antes pensaba que el valor de un ingeniero era resolver problemas realmente complejos. Pero ahora, muchas veces, a mí me toca escribir prompts, vigilar el resultado generado y reparar los agujeros que deja. Lo que más me preocupa no es solo que cambie la forma de trabajar, sino que, si esto sigue así por mucho tiempo, la capacidad de implementar desde cero y de investigar problemas complejos se vaya degradando poco a poco.

Todos escriben Skills; equivale a “eliminarse” a sí mismos

Kelly | Desarrollo backend, alguna gran empresa de internet en Pekín (secuencia de nivel: 8)

Como programadora backend, desde el año pasado ya usaba IA con alta frecuencia en el trabajo; lo que más uso son herramientas internas de programación sin código.

Cerca de las vacaciones de Año Nuevo chino, el ambiente de uso de IA de toda la empresa se volvió de repente mucho más agresivo. Ahora, todos los empleados pueden ver en el sistema cuántos Token consumen cada día, y mi jefe directo me dice con más frecuencia: “Este tema se puede probar con IA.”

Por ahora, la empresa no tiene una evaluación explícita del consumo de Token, pero cada departamento sí tiene sus propios criterios.

En mi departamento, recientemente se fomenta que todo el mundo escriba Skills: se exige hacer un inventario completo de la experiencia diaria de trabajo, los flujos de trabajo, los detalles técnicos y los problemas comunes; luego documentarlo y convertirlo en Skills.

Leader mira principalmente dos indicadores: la cantidad diaria de consumo de Token usando la herramienta interna “langosta” y la cantidad de producción de Skills. Para lo segundo, el departamento incluso tiene indicadores de evaluación muy claros: cada semana se exige producir de forma obligatoria.

Además, actualmente el 50% de las solicitudes de desarrollo dentro del departamento se obliga a que se generen mediante Agent. Esto significa que se saltan directamente las etapas de producto, desarrollo y pruebas, y se requiere lograr la producción extremo a extremo usando “langosta”.

Esteporcentaje50%tambiénseguirásubiendo progresivamente durante el año,con el objetivo de llegar afinales de 2026para intentar lograr automatización total.

En cuanto al costo de uso de Token, en nuestro departamento la secuencia técnica tiene suficientes Token de Claude Opus; no se obliga a usar herramientas internas. Pero la mayoría de los departamentos tiene límites en las cuotas de Opus; si se supera, el excedente se paga de su propio bolsillo. El uso de herramientas internas y los Token de sus propios modelos no tiene límite.

Después de una IA completamente integrada, mi tiempo de trabajo diario en realidad es más largo**.** No porque aumente la carga laboral, sino porque todo el mundo compite por Skills y tú también te ves obligado a competir.

Por ejemplo, en el grupo de nuestro departamento, después de las 11 de la noche aún hay compañeros que comparten Skills ya escritas. A veces, al ver que alguien de mi mismo equipo escribe un Skills que se usa muy bien, me entra una ansiedad enorme.

Esa ansiedad, por un lado proviene de la ansiedad por la evaluación de producción de Skills del departamento; por otro lado, también me da miedo que los Agent de IA estén reemplazando el trabajo de las personas día a día.

En realidad, cuando se resuelve un problema único, la IA no necesariamente es más eficiente que un desarrollador backend con experiencia. Porque un Skill descrito como un flujo simple es inestable: hay que invertir una gran cantidad de esfuerzo en depurar y modificar; además, el consumo de Token también es alto. Pero cuando los Skills se van mejorando hasta volverse más y más usables, la IA terminará superando a los humanos, y funcionando con un costo muy bajo.

Como trabajadores por cuenta ajena, todos lo tienen claro: bajo el trasfondo en que la empresa fomenta que todos escriban Skills, si guardas cosas y no las escribes bien, no saldrán Skills excelentes. Pero convertir todas tus habilidades y experiencias en SOPs y en Skills,en realidadtambién está relativamente cerca del día****en que te reemplace la IA.

La mejora de IA para la eficiencia laboral es innegable. Pero si sube la eficiencia, también significa que ya no se necesita tanta gente. En este momento, el canal interno de “renovación de talento” de la empresa ya se detuvo. Lo que pasará en el futuro, las grandes empresas tecnológicas de Silicon Valley ya dieron la respuesta.

“Obligados a usar IA”, pero yo me apoyé en ella para ganar la competencia con los de mi equipo

Chen Yu | Ingeniero de protocolos de comunicaciones, alguna empresa de telefonía móvil en China

En los últimos seis meses, nuestra empresa ha estado compitiendo por IA. Desde octubre del año pasado, se abrieron herramientas, se reembolsaron cuotas y se animó a que todo el mundo la usara. Por ejemplo, en nuestro departamento, cada persona tiene un cupo de uso de Cursor al mes.

**No usarla se considerará un “desperdicio de recursos”,**y el аккаунто podría ser recuperado;usar mucho pero no alcanzar la producción, también te etiquetarán como abusoy te lo advertirán.

Así que no sirve ni no usarla, ni usarla mal. Con esta tendencia, la presión existe. Ya hay gente en el equipo que fue optimizada por no querer invertir tiempo en aprender IA, y por tener un desempeño y estado de trabajo general.

Mi comprensión sobre “usar IA” es distinta a la de muchas otras personas. Mal usar IA y desperdiciar tantos Token es mejor gastarse el dinero en comprar juegos. IA no es que cuanta más se use, mejor; es que se use bien. Yo normalmente saco una o dos jornadas cada semana, dedicadas a estudiar cómo hacer que la IA se adapte mejor a mi trabajo y me ayude a trabajar con eficiencia.

Mi puesto es ingeniero de protocolos de comunicaciones. Escribir código ocupa solo una parte pequeña; la mayor parte del tiempo la dedico a manejar datos de usuarios, analizar registros del sistema, etc. Antes, cuando analizábamos problemas de tartamudeos en los teléfonos de los usuarios, a veces el problema venía de la red del operador, pero aun así teníamos que investigarlo paso a paso; se consumía mucha energía filtrando información inútil.

Ahora, la IA puede ayudarme a localizar primero rápidamente y eliminar las interferencias irrelevantes, para que me enfoque en los puntos que realmente necesitan optimización. **En el último año completo,**mi producción general mejoró de forma muy evidente, y mi desempeño quedó bastante arriba en el equipo.

Pero siendo sinceros, la IA todavía está lejos de poder reemplazar a las personas. La precisión de su análisis de logs es solo de alrededor del 60%, y necesariamente hay que revisarlo a mano. Para aumentar la capacidad de la IA, tenemos que escribir reglas constantemente y optimizar la lógica. Por eso, en los últimos seis meses, mi volumen de trabajo aumentó. Pero el propio proceso consiste en “educar” a la IA, para que sirva a las personas.

En estos dos años, también he notado claramente que la empresa contrata a menos gente. Creo que el efecto de la IA está detrás de esto. Cuando veo a amigos cerca que están preparando un cambio de trabajo, siempre le digo que complemente con fuerza habilidades relacionadas con IA. Con el mismo nivel técnico, usar IA o no usarla puede marcar una diferencia clara en entrevistas y salario. Ahora las plataformas te obligan a aprender, pero en realidad también te está ayudando a acumular competitividad profesional con anticipación.

Siempre he pensado que la IA no se usa para reemplazar a las personas; solo es una herramienta de competencia nueva entre personas.

Nosotrosnohemos hecho despidos,pero la eficiencia debe mejorarde 3 a5 veces

Ming Lu | CIO de alguna empresa cotizada en Australia

Como CIO, probablemente soy de los primeros en la empresa en ser “nativo de IA”.

Antes de que la empresa estableciera oficialmente su estrategia de IA, ya había empezado a usar herramientas de IA con mucha frecuencia. Dado que la empresa tiene una colaboración a largo plazo con Microsoft, hace tiempo que integró Copilot. Después, también integró Copilot y Claude dentro del sistema de trabajo interno. Sin exagerar, hoy en día casi todo mi trabajo central lo hace la IA, y la eficiencia se duplicó.

Pero en los primeros pasos de la empresa para impulsar herramientas de IA internamente, no fue fácil.

Al principio se aplicó una estrategia de tipo “por recomendación”, dando a todos los departamentos y empleados permisos y cuotas de uso de Copilot casi ilimitados. Sin embargo, el efecto no fue evidente, e incluso hubo resistencia en los departamentos de desarrollo de software y UX.

Estos equipos no rechazan las herramientas de IA ni están en contra de usarlas para trabajos auxiliares, como escribir fragmentos de código o generar bocetos de diseño. Pero en general no quieren ir más allá, por ejemplo, permitir que la IA intervenga en el núcleo del proceso de SDLC (ciclo de vida del desarrollo de software). Esta mentalidad se puede entender: la gente está dispuesta a que la IA ayude, pero no a que la IA lidere.

Pero dentro del marco estratégico de la empresa, no basta con usar la IA solo como un verificador de sintaxis; lo que necesitamos es la reconfiguración del proceso.

Por eso, a inicios de este año, yo y el CTO formulamos una nueva estrategia de IA: se exige que cada departamento presente un roadmap de IA antes de finales de abril y se establecen mecanismos de evaluación estrictos: cada gerente debe presentar tres iniciativas de IA (AI Initiatives), y se puntúa cada trimestre según el avance de implementación. También comenzamos a monitorear el consumo de Token y a evaluar la tasa de uso de IA; los que permanezcan a un nivel bajo durante mucho tiempo pueden entrar en un plan de mejora de desempeño (PIP).

Después del ajuste, el efecto fue inmediato.

El cambio más evidente está en el desarrollo de software. Antes, para formar una PRD (documento de requisitos de producto), el product manager y el equipo de desarrollo tenían que comunicarse en múltiples rondas, y el ciclo llegaba a durar varias semanas o incluso uno o dos meses. Ahora, un project manager puede producir en un día: además de explicaciones en Markdown, también se adjunta una PRD con prototipos de interfaz. En la fase inicial del proyecto, la “zona difusa” que antes era lo que más consumía tiempo se comprimió muchísimo.

Hoy en día, también cambió el foco de mi trabajo. Cada día paso una gran cantidad de tiempo reunido con gerentes de cada departamento para discutir en qué etapas puede intervenir la IA; además, yo mismo construyo un entorno de Claude con múltiples agentes: primero paso mucho esfuerzo en una lluvia de ideas con la IA, desglosando el nivel de detalle de la solución; al final, se la entrego a la IA para que lo implemente.

La IA me ha hecho dedicar más tiempo a “cómo pensar bien el problema”. Si el documento de requisitos no está lo suficientemente sólido o la lógica de negocio no está suficientemente clara, la ejecución de la IA se desviará por completo. Esto también obliga a que pensemos más en la esencia de la lógica del negocio.

Por supuesto, el otro lado de la mejora de eficiencia es la parte cruel: pueden reducirse puestos. Aunque la junta directiva de la empresa decidió no hacer despidos primero, exige que la eficiencia de cada empleado suba entre 3 y 5 veces, y además, ya hemos dejado de contratar nuevos talentos en análisis de datos, desarrollo de programas y análisis financiero. Esto podría ser algo que todas las empresas terminarán experimentando tarde o temprano.

No siento que me “controle” la IA; al contrario, siento una sensación de dominio sin precedentes. Ahora la presión de verdad la sienten quienes tienen puestos con contenido altamente estandarizado y que son fáciles de sustituir directamente con IA. En cambio, quienes tienen una fuerte capacidad de análisis de necesidades y planificación a nivel superior son los que más se benefician.

Después de usar IA, mi trabajoal contrario****se volvió aún más ocupado

Yun Tian | Desarrollo avanzado, alguna gran empresa líder en China

Soy de los primeros que usaron IA pagando con dinero propio. Mi gasto mensual en todo tipo de herramientas es de casi 500 dólares, desde GPT hasta varios modelos especializados. Si algo es bueno, compro paquetes anuales; si es una experiencia, primero pruebo con una tarjeta mensual.

Por ahora, en nuestra empresa no hay requisitos obligatorios sobre el uso de Token. Bajo la premisa de cumplimiento, se usa lo que mejor funcione; la selección depende de que el equipo considere qué es lo más útil para el trabajo. Hoy, mi consumo mensual de Token está aproximadamente entre 3 y 4 mil millones.

Pero aun así, mi tiempo de trabajo se volvió más largo.

La razón es sencilla: usar IA no solo es “dejar que lo haga”; primero hay que armar el sistema. Como construir un rascacielos: primero se necesita levantar el andamiaje. Nosotros debemos construir primero un conjunto de sistemas para estandarizar los límites de uso de la IA, reducir su tasa de error; e incluso, cuando la IA tiene problemas, “limpiar el desorden” a tiempo para controlar el alcance de su impacto. Este trabajo es mucho más meticuloso que solo usar IA para mejorar eficiencia. Es como hacer dos trabajos a la vez; adaptarse a estos nuevos requisitos también me tomó bastante tiempo.

Sobre el tema de “que el consumo de Token entre en KPI”, que ahora en el mercado genera ansiedad generalizada, yo tengo una opinión diferente.

Por lo que he visto con jefes o responsables de negocio con los que hablé, ninguno está indiferente a la IA: todos tienen miedo de perderse esta oportunidad. Conozco dos grandes empresas: exigen que los empleados usen únicamente el modelo grande propio, y no permiten usar otras herramientas como Claude o ChatGPT.

En realidad, no entiendo por qué algunas empresas quieren incluir el consumo de Token en KPI. Es la forma de “mínima carga mental” para los administradores, pero no mide el núcleo del valor.

Pero desde otro ángulo, creo que establecer un “umbral de garantía” es razonable. Si un empleado en este entorno no quema ningún Token y se niega a usar IA, eso por sí solo indica que le falta conciencia de reformar su propio flujo de trabajo.

En cuanto a si la introducción de IA conducirá a una reducción a gran escala de vacantes o despidos, creo que el mercado laboral en general ya sigue las leyes de la revolución industrial.

La lógica de contratación en las grandes empresas no es simplemente mirar cuántas personas se necesitan para hacer el trabajo; también se evalúan cuánto margen de beneficio lo sostiene y la estrategia de talento. Contratar talentos que entienden de IA, aunque temporalmente no se usen, también es una forma de ocupar posición. Y en el caso de las pequeñas y medianas empresas, la IA reduce los costos de emprendimiento e I+D: antes 100 personas hacían una tarea, y ahora 10 pueden completarla.

Conozco a un emprendedor que no tiene trasfondo técnico. Con IA, una sola persona dedicó medio año y aun así logró martillar un sistema completo de educación ToB. En el pasado, como mínimo se necesitaba un equipo de cien. Cuando los costos de prueba y error para toda la sociedad están bajando, en el corto plazo seguramente habrá dolores por ajustes de puestos; pero a largo plazo, todo el mercado agrandará su “pastel” y surgirán más equipos nuevos y más oportunidades nuevas.

Los puestos con mucha estandarización y repetición, los que están más expuestos a ser golpeados, es algo inevitable. Pero los puestos que requieren pensamiento profundo, planeación creativa e integración de recursos, en cambio se volverán más atractivos gracias a la IA. La rueda de la época nunca espera a nadie: algunos puestos antiguos serán eliminados inevitablemente, pero la puerta de un mundo nuevo también se está abriendo lentamente.

Fuente del artículo: Dingjiao One

Aviso de riesgo y cláusulas de exención de responsabilidad

        Hay riesgo en el mercado; invierte con cautela. Este artículo no constituye asesoramiento de inversión personal, y tampoco contempla objetivos de inversión especiales, situación financiera o necesidades específicas de usuarios individuales. El usuario debe considerar si cualquier opinión, postura o conclusión en este artículo se ajusta a su situación particular. Invierte bajo tu propia responsabilidad.