Primero, CMO de Consensys: La evolución de la forma de las empresas en la era de la IA

Autor: Lex Sokolin

Traducido por: Jiahua, ChainCatcher

Este artículo explora cómo la IA está remodelando la estructura organizacional en sí misma. Las empresas están pasando de equipos “de doble pizza” al estilo Amazon (un equipo de aproximadamente 6–10 personas, manteniendo una estructura ágil) a pequeños grupos “nativos de IA” de 3 a 5 personas, con un aumento significativo en productividad.

Hemos comparado dos caminos:

La estrategia de sustitución por IA de Klarna terminó en fracaso. La plantilla se redujo de 5,500 a 3,400 empleados, y los problemas de calidad del servicio finalmente obligaron a la empresa a volver a contratar.

Coinbase y Ramp optaron por reorganizar sus negocios en torno a la mejora y orquestación con IA. Coinbase redujo 700 empleados y se enfocó en equipos de producto individuales y generación de código con IA.

Ramp creó un marco interno de control de IA (harness), que el 99.5% de sus empleados usa diariamente, cubriendo más de 350 habilidades comerciales.

Además, analizamos por qué empresas como Box y Plaid están siendo reevaluadas en los mercados de capital como infraestructura basada en IA, debido a que controlan datos empresariales autorizados y necesarios para el funcionamiento de agentes inteligentes.

La tercera evolución en la forma organizacional

Hace unos meses, discutimos sobre las “Empresas Zero Human” y la curva de autonomía económica de la IA:

Aunque ya existen fuerzas que impulsan la creación de organizaciones completamente sin intervención humana, actualmente los actores económicos siguen siendo nosotros, los humanos.

El trabajo más difícil ahora es transformar las empresas tradicionales existentes en formas priorizadas por IA.

Es una oportunidad enorme, tanto que Anthropic está colaborando con toda la industria de capital privado para avanzar en esto.

Más allá de los datos financieros sorprendentes, empezamos a percibir claramente otro punto de entrada del impacto de la IA: la forma en que las personas crean y organizan empresas.

La estructura organizacional en sí misma es una tecnología.

El desarrollo en cascada (Waterfall) dio origen a los gigantes del software con jerarquías estrictas en los primeros tiempos tecnológicos.

Luego, la industria se movió hacia equipos lean usando metodologías ágiles, que evolucionaron en la “doble pizza” de Amazon. Es esta estructura operativa la que sustenta a todas las fintechs modernas actuales.

Pero la dirección de la marea vuelve a cambiar.

Martin Harrysson y Natasha Maniar de McKinsey predicen a finales de 2025:

“Los roles nativos de IA en esencia significan que estamos pasando de una ‘estructura de doble pizza’ a pequeños equipos de ‘pizza simple’ de 3 a 5 personas.”

La reducción a la mitad, pero con la misma productividad.

El 5 de mayo de 2026, Brian Armstrong reforzó esta idea con la reducción de 700 empleados.

¿Qué hizo Coinbase?

Coinbase recortó el 14% de sus 4,951 empleados.

Parte de esto se debe a que sigue siendo una empresa cuyo negocio y volumen de transacciones están muy ligados a ciclos de mercado — se espera que sus ingresos del primer trimestre sean 1.7 mil millones de dólares (una caída del 26% interanual), y sus ganancias por acción (EPS) cayeron un 86%.

Pero lo que merece atención es cómo su equipo directivo planea la implementación de IA en las fintechs y criptomonedas, y sus expectativas sobre la productividad per cápita en el futuro.

Los ingenieros de Coinbase ahora pueden lanzar productos en días, en lugar de semanas, y esta eficiencia se acelera.

Armstrong está reestructurando las líneas de negocio para que, bajo el CEO y el COO, haya como máximo cinco niveles jerárquicos.

Los “gestores” tradicionales desaparecerán: cada líder debe ser también contribuyente individual, experto en herramientas modernas, capaz de liderar y participar en la ejecución — un “jugador y entrenador”.

Los equipos transfuncionales de “equipos nativos de IA” reemplazan completamente a los tradicionales. Coinbase incluso está pilotando internamente la fusión de ingeniería, diseño y producto en un solo equipo.

Una empresa que factura 7 mil millones de dólares, como Coinbase, opera con equipos de producto unipersonales.

En septiembre de 2025, Armstrong declaró públicamente que el 40% del código de Coinbase se generaba con IA cada día, y planeaba aumentar esa proporción al 50% en octubre.

En el podcast Cheeky Pint de John Collison, cofundador de Stripe, admitió que despidieron a ingenieros que se negaron a usar Cursor y GitHub Copilot en la semana de lanzamiento de licencias empresariales:

“Algunos simplemente no quieren usarlo, así que fueron despedidos.”

La versión V1 fue una sustitución directa, pero fracasó

Sin embargo, Coinbase no fue la primera fintech en recortar personal por IA.

¿Recuerdan el experimento de “reducción de costos por IA” de Klarna en 2024? Parecía anunciar una explosión de productividad futura.

Pero en realidad, fue más una contracción del ciclo de crédito que una innovación real.

El CEO Sebastian Siemiatkowski anunció que el asistente de IA impulsado por OpenAI en su primer mes gestionó 2.3 millones de conversaciones, dos tercios de todos los chats con clientes, realizando el trabajo equivalente a 700 empleados a tiempo completo.

• La plantilla cayó de 5,500 a 3,400 empleados
• Incremento esperado en beneficios: 40 millones de dólares
• Tiempo de resolución de problemas de clientes de 11 a 2 minutos

Pero todo colapsó rápidamente al enfrentarse a la realidad.

La satisfacción del cliente en tareas complejas cayó, y la tasa de contacto repetido se disparó.

Para mayo de 2025, Siemiatkowski admitió a Bloomberg que la empresa “dio pasos demasiado grandes”. Klarna empezó a contratar de nuevo con un modelo remoto, empleando estudiantes, padres a tiempo completo y trabajadores en zonas remotas.

El Commonwealth Bank de Australia detuvo en días 45 proyectos de sustitución por robots de voz. Taco Bell retiró la IA de voz de sus 500 restaurantes móviles.

Gartner predice que para 2027, la mitad de las empresas que planearon “sustitución total” abandonarán ese plan.

La IPO de Klarna subió un 30% en su primer día, alcanzando una valoración de 20 mil millones de dólares, reflejando que, si la empresa corrige a tiempo, el mercado abierto es bastante tolerante.

Pero esta lógica de “sustitución simple”, que consiste en reemplazar un puesto humano por un gran modelo de lenguaje (LLM), puede funcionar en métricas de cantidad, pero colapsará en calidad.

El costo de rehacer el equipo supera con creces el ahorro inicial. La primera tentativa de digitalización con IA en fintech deja un balance agridulce.

Pero no será la última.

La versión V2 se centra en potenciar capacidades, con Harness como barrera defensiva

En abril de 2026, Ramp lanzó oficialmente “Glass”.

Seb Goddijn, experto interno en IA que co-creó la herramienta con cinco colegas, publicó un artículo extenso. Ese día, el CEO Eric Glyman compartió en Twitter, y en pocas horas, el artículo encabezó Hacker News.

Para entender por qué la versión V1 fracasó, Goddijn señala:

“La principal barrera para la adopción de IA no es el modelo en sí, sino la extrema complejidad de configurar el entorno de ejecución de IA.”

Glass fue creado precisamente para derribar esa barrera:

Primero, automatización en la configuración de acceso — solo con login en Okta SSO, cada herramienta autorizada (Salesforce, Gong, Notion, Linear, Snowflake, Slack, Zendesk, y herramientas internas de Ramp) está integrada en la base.

Segundo, se estableció Dojo — un mercado con más de 350 habilidades de IA, cada una en un archivo Markdown, que enseña a los agentes a realizar tareas específicas. Todo almacenado en Git, con revisión de código y control de versiones.

Un agente llamado Sensei envía en el primer día de trabajo del nuevo empleado las cinco habilidades más relevantes para él.

Tercero, se construyó una memoria persistente — conectada mediante autenticación, que se actualiza continuamente a través de un pipeline de 24 horas. Así, cada vez que el agente interviene en una conversación, ya tiene toda la información del equipo, proyectos, tickets activos y comunicaciones en curso.

Hoy, el 99.5% de los empleados de Ramp usan IA a diario.

La mitad del código de Ramp es generado por IA, y avanzan hacia el 80%. Su CTO, Geoff Charles, implementó un marco de madurez L0–L3, donde L3 significa desplegar funciones en producción directamente con IA.

Cualquier empleado en L0 es considerado inactivo.

Ramp tiene una valoración de 32 mil millones de dólares, ingresos recurrentes anuales de 1,000 millones, y lidera la lista de las empresas más innovadoras en finanzas en 2026 según Fast Company.

Klarna intenta reducir la barrera laboral con automatización, Ramp busca elevar la productividad de cada empleado. Coinbase se sitúa en un punto intermedio.

IA Harness

El núcleo de todo esto es el concepto de “IA Harness”.

Empresas como Manus crearon arquitecturas que comprimen y transforman IA básica en flujos de negocio repetibles, y frameworks como OpenClaw llevan esto a un público más amplio.

Un Harness es un sistema que integra autenticación, sistemas, memoria, directorios de habilidades del equipo, orquestación nocturna, y una interfaz multi-ventana para análisis paralelo.

Las grandes modelos de lenguaje de vanguardia son solo componentes intercambiables en este sistema — cuando OpenAI lanza GPT-5.5 o Anthropic presenta Opus 5, Ramp simplemente reemplaza el modelo, y todo el sistema sigue funcionando normalmente.

El producto Cowork de Anthropic, lanzado en el primer trimestre de 2026, incluye 11 plugins específicos para roles en ventas, finanzas, legal, marketing, RRHH, desarrollo, diseño y operaciones — una lógica similar a la de Dojo en Glass.

Una vez aceptas que “la productividad de la IA se construye a partir de flujos de negocio, no solo de chats”, los roles laborales se convierten en la unidad natural mínima de una organización IA.

Este es el fundamento de las herramientas que buscan crear “empresas sin humanos”, y cómo piensan construir organizaciones priorizadas por IA. Véase Polsia y los rápidos segmentos industriales que siguen.

El mercado de capitales se pone al día

Mientras muchas empresas tradicionales de software luchan por la desintermediación impulsada por IA, algunos jugadores avanzan sin frenar.

Estas empresas han profundizado en su propia barrera de datos, y ahora pueden superponer software IA de forma fluida.

Por ejemplo, Box, empresa de almacenamiento de archivos empresariales: tras publicar sus resultados del cuarto trimestre de 2026, su acción subió un 10%. Aaron Levie explicó en la conferencia:

“Al final, los archivos son la unidad de trabajo natural de los agentes IA.”

Enterprise Advanced — la capa premium de suscripción basada en IA y flujos de trabajo — cuesta un 30–40% más que la versión flagship Enterprise Plus.

El cuarto trimestre facturó 420 millones de dólares, un aumento del 5% interanual.

• Box Extract extrae datos estructurados con precisión de contratos
• Box Shield Pro integra IA agentica en el control de accesos
• Box AI Studio permite a los agentes gestionar cargas de trabajo en ventanas de contexto ampliado

Levie comentó en GeekWire:

“En los primeros 12 meses, Box nunca se sintió tan parecido a una startup como ahora.”

Hay que recordar que el 95% de los datos empresariales son no estructurados. Los agentes IA demandan estos datos, y deben acceder a ellos sin perder permisos.

Quien controle esta bóveda de datos autorizados podrá escapar de la etiqueta de “almacenamiento barato” y ser reevaluado como infraestructura de agentes inteligentes.

Antes, el mercado veía a Box como el hermano menor de Dropbox, con una valoración en torno a 26 dólares. Hoy, la valoración objetivo en Wall Street es de 35.63 dólares, con un potencial de revalorización del 35%.

Otro ejemplo es Plaid, que casi fue adquirida por Visa y aspiraba a convertirse en una red de pagos directa.

Pero en cierto momento, Plaid quedó en una situación difícil: tras el auge de Web3, reemplazó a Web2 como infraestructura financiera emergente.

Desde un pico de 13.4 mil millones en 2021, cayó a 6.1 mil millones en abril de 2025, y luego, en una oferta secundaria en febrero de 2026 para liquidez de empleados, subió a 8 mil millones.

Debe evolucionar.

El 20% de sus nuevos clientes son empresas nativas de IA — construyen agentes que requieren acceso autorizado a datos financieros y confían en identidades verificadas.

Plaid Protect, su plataforma antifraude, detectó en pruebas a principios de 2026 intentos de fraude un 50% mayores que otras herramientas similares.

Plaid Bank Intelligence, con Retention Score y futuros indicadores de primacía, vende predicciones de pérdida de clientes a bancos.

Plaid está siendo reevaluada como la mayor base de datos de transacciones financieras autorizadas del mundo.

No es solo un canal de datos — los datos en sí son baratos. El verdadero activo es la inteligencia construida sobre ellos, y la proporción de clientes nativos de IA es la prueba más contundente.

Un ejemplo es su integración con Perplexity, creando una “computadora” de gestión financiera personal totalmente integrada. ¡Cuánto extrañamos Mint.com! (la app de finanzas personales de EE. UU. lanzada en 2006)

Box y Plaid comparten la misma pista.

Ambas en la era de tasas cero (ZIRP), con precios basados en la lógica de “líderes SaaS”, vieron sus valoraciones reducirse a la mitad, y ahora se están revalorando con una lógica completamente nueva: contenido no estructurado y redes de datos con permisos, que en la era V2 son la base para que los agentes puedan leerlas.

La versión V3 es la orquestación — “la empresa unipersonal” nace

Sam Altman y otros CEOs tecnológicos apuestan a que en qué año aparecerá la primera “empresa de mil millones de dólares en tamaño” de una sola persona.

Dario Amodei estima en un 70–80% la probabilidad de que ocurra en 2026, señalando tres áreas: trading propio, herramientas para desarrolladores y atención automática al cliente.

Sequoia está ajustando su modelo de inversión, priorizando el “apalancamiento de agentes” (agentic leverage), es decir, el ingreso per cápita. En las primeras cohortes de Y Combinator, el 95% del código ya es generado por IA.

De hecho, ya existen empresas que generan un impacto económico asombroso con IA.

En estas, el CEO se convierte en un “orquestador de agentes”, coordinando en una cabina de mando gigantesca a innumerables agentes IA.

El organigrama se transforma en un flujo de negocio externalizable. El presupuesto de mano de obra se vuelve presupuesto de computación.

Estas empresas iniciales operan en nichos estrechos — trading propio, herramientas para desarrolladores, software de consumo con efectos de red. En estos escenarios, el trabajo está completamente digitalizado, con regulación ligera y bajos costos de confianza.

Serán frágiles, porque todos los sistemas de punto único fallan.

También será difícil penetrar en mercados empresariales regulados, donde los nombres y rostros en contratos son estructuras existentes.

Pero estas empresas ya existen.

Cada cambio tecnológico destruye roles clave del paradigma anterior — “computador” (los primeros en hacer cálculos manuales), jefes de línea, gerentes de proyecto, gerentes intermedios.

Y quienes entienden primero las nuevas formas de organización económica, suelen obtener enormes beneficios.

Por ejemplo: las “reglas de doble pizza” de Amazon, y su capacidad de innovación en una escala de millones de empleados, son en sí mismas una barrera.

Al final, no es realmente importante si terminamos en “empresas unipersonales” o “empresas sin humanos”.

Lo que importa ahora es que estamos en medio de una transformación digital, y que desplegar valor en toda la economía en esta línea generará billones de dólares en retorno.

La verdadera cuestión es: quién podrá hoy tener o construir el correcto IA Harness, y diseñar la estructura organizacional adecuada para 2026.

Eso significa actualizar este organismo superorgánico empresarial, para que siga luchando y sobreviviendo un día más.

Y ojalá, los humanos también podamos cumplir nuestros deseos.