Revolución industrial de la IA ¿En qué lugar nos encontramos ahora?

El último año, he asistido a varias conferencias del sector sobre IA. Los ponentes en el escenario muestran diferentes trucos de IA uno tras otro, mientras la audiencia en el público levanta sus teléfonos para grabar la pantalla, y después de publicar en redes sociales, siguen navegando en sus teléfonos. Pero al volver a la oficina, todo sigue igual: las mismas reuniones semanales, las mismas aprobaciones, los mismos informes semanales. Las grandes empresas ya han incluido el consumo de tokens en sus KPIs, y algunos se convierten en modelos a seguir simplemente por usar scripts para aumentar su volumen. En las redes sociales, esa gente dice: hoy la revolución de Claude, mañana la genialidad de Codex, pasado Gemini, ¡viva! —¿Están abrazando la revolución o simplemente corriendo tras ella?

Todo eso son ruidos, no la respuesta que quiero.

El verdadero problema no es si la IA es lo suficientemente potente—la máquina de vapor ya está hecha—sino quién será el primero en desmontar el viejo taller.

El día en que realmente empezó la Revolución Industrial no fue cuando Watt mejoró la máquina de vapor, sino cuando los dueños de fábricas en Lancashire decidieron abandonar los ríos y reconstruir sus talleres en torno a la máquina de vapor. Lo mismo sucede con la IA: no fue el día en que se inventaron los grandes modelos, sino cuando la primera organización decidió desmontar los viejos procesos y reconstruir su modo de producción en torno a la IA.

Ese día aún no ha llegado. Pero ya está en camino.

Dos personas vieron esto desde hace mucho tiempo. Iván Zhao, CEO de Notion, escribió a finales de 2025 un artículo titulado "Vapor, Acero y Mentes Infinitas", con un análisis frío: todavía estamos en la fase de "reemplazar la rueda hidráulica"—añadiendo chatbots de IA a las herramientas existentes, pero sin rediseñar las fábricas. Leopold Aschenbrenner, ex empleado de OpenAI, tomó otro camino: escribió 165 páginas en "Conciencia Situacional", y luego fundó un fondo que pasó de 225 millones a 13.68 mil millones de dólares, apostando todo a la infraestructura básica de IA. Uno mira hacia adentro, el otro apuesta hacia afuera.

Este artículo no trata de ellos. Es sobre nosotros—dónde estamos ahora, y qué parte de la historia estamos repitiendo.

( Tejido con telar mecánico, grabado de J. Tingle tras Thomas Allom, 1835 / Wikimedia Commons )

Uno, el taller sigue siendo el mismo

La mayoría de las personas pasan su día así: por la mañana usan IA para redactar un correo, ahorrando diez minutos; luego pasan dos horas en una reunión semanal que podrían no haber tenido; por la tarde copian y pegan los mismos datos en tres herramientas diferentes; por la noche publican en redes sociales diciendo "la IA es increíble". Esos diez minutos ahorrados se los come el proceso viejo, intacto.

De la misma forma, cuando apareció la máquina de vapor, los dueños de fábricas solo reemplazaron la rueda hidráulica por la máquina de vapor, sin cambiar nada más—la fábrica seguía construida junto al río, seguía siendo un edificio de varios pisos, y la línea de producción seguía siendo movida por un eje central. Nosotros hemos puesto ChatGPT en Slack, Copilot en Office, y la ventana de chat en el flujo de trabajo—todo lo mismo. La herramienta se actualiza, pero el taller no cambia.

Pero cambiar la máquina no equivale a cambiar el taller. McLuhan lo dijo claramente:

Conducimos hacia el futuro a través del espejo retrovisor. Usar viejos procesos para acomodar nuevas herramientas es como si las primeras películas solo fueran obras de teatro filmadas. La verdadera ruptura llegará cuando alguien logre deshacerse por completo de la máquina de vapor y rediseñe toda la producción en torno a la nueva energía.

Al comparar la línea temporal de la revolución industrial con la de la IA, podemos ubicar aproximadamente dónde estamos en el mapa:

Hoy en día, esa línea de tiempo se comprime muchísimo. La revolución industrial tomó 60 años desde la máquina de vapor hasta la fiebre del ferrocarril, mientras que la IA, desde Transformer hasta la ola de construcción de centros de datos, solo ha durado 7 años.

La velocidad no es el problema, sino en qué nos hemos quedado atascados—las primeras cuatro etapas siguen siendo el mismo taller con nuevas máquinas, la máquina de vapor instalada, los ferrocarriles en marcha, pero la forma de producir sin cambios. La sexta etapa es la verdadera línea divisoria. Probablemente estamos atrapados entre estos dos pasos.

Ya tenemos la máquina de vapor, pero el taller sigue siendo el mismo.

Dos, todo el dinero en la capa más alejada de la fábrica

La infraestructura siempre está sobreconstruida. Quien acaba en quiebra no es la infraestructura, sino los inversores.

En 1846, el Parlamento británico aprobó 263 leyes ferroviarias, autorizando la construcción de 9,500 millas de nuevas vías. La inversión en ferrocarriles alcanzó en su auge el 13% del PIB del Reino Unido. Las acciones ferroviarias se podían comprar con solo un 10% de depósito, y la clase media se lanzó en masa. La burbuja estalló en 1847. Un tercio de las líneas aprobadas nunca se construyeron, y muchos inversores perdieron todo. Darwin perdió un 60% en acciones ferroviarias, aunque su suerte fue mejor que la de la mayoría.

Pero los ferrocarriles quedaron allí.

Hoy, la infraestructura de IA sigue el mismo camino. Goldman Sachs estima que en 2026, el gasto en infraestructura de IA a nivel global alcanzará los 765 mil millones de dólares, y para 2031, se espera que sea de 1.6 billones anuales. La proporción del gasto de capital de los grandes proveedores de la nube respecto a su flujo de caja operativo subirá del 40% en 2023 al casi 70% en 2025. La inversión en IA ya representa aproximadamente una cuarta parte de toda la inversión en EE. UU. La cifra de Aschenbrenner, 13.68 mil millones, apuesta a esta capa—no a qué aplicación ganará, sino a la capacidad de cálculo en sí misma.

Este ciclo de capital es análogo al desarrollo inmobiliario. Construir centros de datos es como edificar edificios: la tierra es la energía, los materiales son GPU y almacenamiento, los contratistas son los constructores de centros, los desarrolladores son los proveedores de la nube, los inquilinos son las empresas de IA, y los alquileres son los ingresos por API. El modelo de negocio de los proveedores de la nube es financiarse con los alquileres—usando los ingresos por API para cubrir el gasto de capital en los centros, esperando que la explosión de aplicaciones de IA eleve su valoración.

( La propiedad del cálculo: infraestructura generacional )

El riesgo principal es el mismo: ¿la caída en el precio del API se compensa con el aumento en el volumen de llamadas? Si los alquileres caen por debajo de la línea de pago de la deuda—ese es el peor pesadilla para un desarrollador inmobiliario. La lección de 2008 no fue construir demasiadas casas, sino que la estructura de esas casas no coincidía con la demanda real. El riesgo equivalente en IA es: exceso de capacidad general de cálculo, pero aún escasa la capacidad especializada para manejar escenarios de alto valor como cumplimiento financiero o diagnósticos médicos.

Ferrocarriles, bienes raíces, IA—las inversiones en infraestructura de estas eras comparten una misma regla: la sobreconstrucción es la norma, los proveedores de materiales siempre pierden el poder de fijar precios, y las rentas a largo plazo siempre las obtienen los propietarios en las mejores ubicaciones. Basta mirar las carteras de fondos de Wall Street en el primer trimestre—probablemente el 80% está en esta capa de infraestructura: NVIDIA, centros de datos, infraestructura en la nube. Pero la fiebre del ferrocarril nos enseñó que esto no representa toda la revolución de la IA, ni siquiera la capa con mayores retornos.

¿Cuál es la verdadera ubicación central de la IA? Son datos únicos de cada industria y flujos de trabajo profundamente integrados. Para las personas, la verdadera "ubicación central" no son las acciones que poseen, sino su juicio insustituible y conocimiento del sector—si ya han reconstruido la forma de usarlos en torno a la IA.

El verdadero retorno está en la siguiente capa. Pero entre infraestructura y creación de valor, no hay una conexión perfecta. Hay una brecha—que en la historia ha devorado décadas.

Tres, ¿quién está desmontando el taller?

Los que desmontan el taller y los que "mejoran con IA" no hacen lo mismo.

Simon, cofundador de Iván Zhao, antes era un "programador diez veces más rápido", ahora rara vez escribe código personalmente—maneja tres o cuatro agentes de IA para programar, logrando una eficiencia de 30 a 40 veces mayor. Notion ahora tiene 1,000 empleados y más de 700 agentes de IA. La diferencia no está en la herramienta, sino en que Simon desmontó su viejo taller, mientras que la mayoría solo cambió la rueda hidráulica.

600 millones de usuarios en China han usado herramientas de IA generativa, un crecimiento del 142%—el mayor mercado de demanda de IA en el mundo. Pero casi ninguna empresa china ha reconstruido sus procesos centrales en torno a la IA. La mayor demanda del mundo, con una oferta casi inmóvil. Esa contradicción en sí misma es una señal: no es que las herramientas no sean suficientes, sino que las organizaciones no han seguido el ritmo. El contexto del trabajo del conocimiento está disperso en decenas de herramientas y en las mentes de decenas de personas, y los resultados no son verificables; nadie sabe si un memorando estratégico es efectivo o no.

( Impacto en el mercado laboral de la IA: una nueva métrica y evidencia temprana )

Anthropic ya está actuando a mayor escala. Lanzaron el Índice Económico, que con datos reales de uso muestra qué tareas y sectores la IA reemplaza primero, y luego construyen en base a ese mapa: crean empresas de servicios nativos en IA en asociación con Goldman Sachs, Blackstone y Hellman & Friedman; establecen alianzas globales con KPMG, con 276,000 empleados usando Claude; y crean un grupo de negocios en Accenture, con 30,000 personas capacitadas, enfocado en finanzas, ciencias de la vida y salud.

El papel de estas consultoras no es ser usuarias de IA, sino ingenieras de su infraestructura—no construyen máquinas de vapor ni colocan vías, sino que ayudan a las empresas a desmontar viejas fábricas y rediseñar sus líneas de producción en torno a la nueva energía. Sin este rol, la mayoría de los dueños de fábricas no sabrían por dónde empezar.

Las señales ya parpadean. La más aguda proviene del mercado laboral.

Los jóvenes de 22 a 25 años en profesiones altamente expuestas a IA tienen un 14% menos de probabilidad de conseguir empleo que sus pares en profesiones menos expuestas. Los puestos de nivel inicial ya están siendo desplazados.

Si fuera un recién graduado, esa cifra afectaría directamente mi búsqueda de empleo. Si fuera un gerente, la próxima generación de puestos iniciales probablemente no serán ocupados por personas.

¿Y la organización? ¿Y la persona? Mi formación, mi currículum, mi experiencia acumulada—todo eso es mi rueda hidráulica. Antes impulsaba toda mi línea de producción, pero la máquina de vapor ya llegó. Tener un título de las universidades 985 o 211 ya no es una fortaleza—solo prueba que alguna vez construí una buena fábrica junto al río.

El problema ahora es si tenemos la capacidad de alejarnos de ese río.

Los datos de Anthropic muestran que los usuarios que usan herramientas de IA por más de 6 meses tienen un 10% más de éxito en tareas que los nuevos usuarios. Quienes empezaron hace medio año ya llevan esa ventaja, y esa diferencia se acumula con el tiempo.

Pero aún no hay ninguna empresa que haya quebrado por no usar IA, al menos en mi firma de abogados todavía seguimos avanzando con IA. Los ganadores aún no están claros en el mercado. La curva de aprendizaje es real—los que empezaron antes ya están acumulando ventajas, pero la mayoría todavía está en el punto de partida.

Cuatro, mi próxima profesión todavía no tiene nombre

¿Existirá mi título profesional dentro de diez años? ¿Cuántas de las herramientas que usaba hace cinco años todavía tengo? La respuesta probablemente sea ninguna. Pero no sé cómo se llamará lo que las reemplace—porque esas cosas todavía no existen.

En la historia, siempre ha sido así. Lo nuevo no se planifica, sino que surge cuando las viejas restricciones desaparecen.

Antes de que se construyeran las ferrocarriles, Gran Bretaña era un conjunto de economías locales aisladas. El precio del algodón en Manchester podía diferir en un 30% respecto a Londres. Cada ciudad tenía su propio horario, y nadie pensaba que eso fuera un problema. Pero en los veinte años posteriores a la construcción del ferrocarril, todo cambió. Apareció un mercado unificado en todo el país, los precios se igualaron; el horario estándar fue impuesto por los ferrocarriles, no inventado; y trabajos como el jefe de estación, el telégrafo o el agente de viajes, que antes no existían, se volvieron esenciales.

Nadie predijo los grandes almacenes antes de construir ferrocarriles. Nadie imaginó el horario estándar antes de inventar la máquina de vapor.

( Vapor, acero y la inteligencia infinita de la IA )

La historia de las ciudades repite la misma historia. Hace siglos, las ciudades eran a escala humana—cuarenta minutos a pie para recorrer Florencia. La estructura de acero hizo posible los rascacielos, los ferrocarriles conectaron ciudades con el interior, y luego llegaron los ascensores, metro y autopistas. Tokio, Chongqing, Dallas—no son versiones más grandes de Florencia, sino nuevos estilos de vida.

El trabajo del conocimiento actual también es a escala humana. Equipos de decenas de personas, reuniones y correos que marcan el ritmo; con más de unos pocos cientos, se vuelven insostenibles. Estamos construyendo Florencias con piedra y madera. La IA hace posible "Tokio"—organizaciones con miles de agentes y empleados, con flujos de trabajo que operan en diferentes zonas horarias. Las viejas reuniones semanales, planificaciones trimestrales o revisiones anuales, quizás ya no tengan sentido.

Simon ya no escribe código—su trabajo ahora es "gestionar agentes de IA". Hace dos años, ese puesto no existía. Mi próxima profesión quizás todavía no tenga nombre. Pero ya hay quienes están construyendo ese futuro que aún no podemos nombrar.

Cinco, ¿cómo será el nuevo taller?

Después de desmontar el viejo taller, ¿qué se construye? La respuesta de YC es: que la propia empresa se mejore a sí misma.

Sus sistemas internos ahora se actualizan por sí mismos durante la noche. Un empleado envía una consulta por la mañana, y falla. Un agente supervisado detecta la falla, deduce la causa, escribe código para arreglarlo, lo somete a revisión y despliega. Al día siguiente, esa misma consulta funciona perfectamente. Todo en silencio, mientras todos duermen.

No es que la IA produzca un 30% más, sino que el sistema completo cierra un ciclo, aprendiendo y mejorando por sí mismo.

Tom Blomfield, socio de YC, llama a esta forma de organización "ciclo recursivo de auto-mejora con IA". Su conclusión es simple: la mayoría de las empresas siguen siendo como el ejército romano—una cadena de mando, con la información fluyendo hacia arriba y hacia abajo, y las personas actuando solo como conductos. La IA no solo mejora la eficiencia de un eslabón, sino que destruye la base misma de esa estructura jerárquica.

Su lógica es: gastar tokens, no personas. El cuello de botella se ha desplazado de la mano de obra a la potencia de cálculo. YC observa que las empresas que presentaron en Demo Day ya tienen un ingreso per cápita unas cinco veces mayor que hace 18 meses. La gestión intermedia está siendo reemplazada por IA—"la colaboración" ya no requiere personas. Cada uno debe ser un creador, un operador, un responsable con nombre—sin comités.

Y hay una condición: la empresa debe ser "legible" para la IA. Lo que no quede registrado, para la IA no existió. YC ahora archiva todos los correos de los socios, todos los mensajes de Slack y grabaciones de horas de oficina. Un socio, con 2,000 horas de grabaciones en tres meses, hizo que la IA generara un manual interno de 150 páginas—mucho mejor que la versión original. Ese manual se actualiza automáticamente cada mes, convirtiéndose en un "cerebro vivo" siempre fresco.

Blomfield deja una pregunta:

Si hoy tuvieras que fundar tu empresa desde cero, ¿seguirías este modelo? Y si ya tienes una estructura jerárquica, la pregunta más difícil: ¿el dolor de reconstruirla sería menor que seguir con la ejército romano?

Ya no estamos en el taller central, sino en la periferia—responsables de esas áreas donde la IA aún no puede entrar: decisiones en el terreno, escenarios nuevos, momentos de alto riesgo y emoción. El "cerebro" de la empresa está formado por datos, registros y conocimientos del sector. El software que corre en la parte superior es consumible, puede ser generado y regenerado. Lo valioso está en la mente humana—cómo funciona el negocio, qué pasos implican juicio, esas comprensiones son el verdadero activo.

Lo que Iván Zhao describe en "Vapor, Acero y Mentes Infinitas" es precisamente esa otra cara—una organización con 1,000 empleados y más de 700 agentes de IA, donde las personas toman decisiones y los agentes ejecutan. Aschenbrenner apuesta por la infraestructura de cálculo, Zhao por la reestructuración organizacional. Ambos caminos conducen al mismo destino: una nueva forma de producción en torno a la IA.

Seis, conclusión

Entre los años 1840 y 1850—el ferrocarril ya estaba en todas partes, pero las fábricas aún no se habían reconstruido.

¿Dónde estamos? Simon ya no escribe código. Su rueda hidráulica la desmontó él mismo.

El problema nunca fue si la máquina de vapor era suficientemente buena, sino quién sería el primero en desmontar el viejo taller.

No quiero predecir qué será el gran almacén del futuro, solo hacer lo que puedo: asegurarme de estar en la línea del ferrocarril, no aferrado a un río que se seca.

¿Y tú?