Cuando la eficiencia se convierte en arma: la IA recompensa la cognición, no la cantidad de personas

Autor: Naman Bhansali

Traducido por: Deep潮 TechFlow

Título original: La IA no logrará la igualdad tecnológica, solo premiará a los adecuados

Deep潮 introducción: En las primeras etapas de la difusión de nuevas tecnologías, siempre surge la ilusión de una “igualdad tecnológica”: cuando la fotografía, la creación musical o el desarrollo de software se vuelven fáciles, ¿desaparecerá entonces la ventaja competitiva? Naman Bhansali, fundador de Warp, combina su experiencia personal desde un pequeño pueblo en India hasta MIT, y su práctica emprendedora en el sector de payroll liderado por IA, para revelar una verdad contraintuitiva: cuanto más la tecnología reduce la barrera de entrada (Floor), más alto se eleva el techo (Ceiling) de la industria.

En esta era donde la ejecución se vuelve barata, incluso susceptible de ser “vibecoded” por IA, el autor sostiene que en realidad, la verdadera barrera competitiva ya no es solo la distribución de tráfico, sino el “gusto” (Taste) difícil de falsificar, la profunda comprensión de la lógica subyacente de sistemas complejos, y la paciencia para obtener beneficios compuestos a largo plazo en una escala de diez años. Este artículo no solo reflexiona sobre el emprendimiento en IA, sino que también ofrece una sólida argumentación de la ley de potencias: “la tecnología popular produce resultados aristocráticos”.

El texto completo:

Cada vez que una nueva tecnología reduce la barrera de entrada, la misma predicción suele aparecer: si ahora todos pueden hacerlo, nadie tendrá ventaja. Los teléfonos con cámara convierten a todos en fotógrafos; Spotify hace que todos sean músicos; la IA permite que todos sean desarrolladores de software.

Estas predicciones siempre aciertan en parte: en efecto, la línea de base (Floor) ha subido. Más personas participan en la creación, lanzan más productos, compiten más. Pero siempre ignoran el techo (Ceiling). El techo sube aún más rápido. La diferencia entre la mediana y los niveles superiores — entre la media y la élite — no se ha reducido, sino que se está ampliando.

Esto es característico de las leyes de potencias: no se preocupa por tus intenciones. La tecnología que busca la igualdad siempre produce resultados aristocráticos. Siempre ha sido así.

La IA no será una excepción, e incluso será más extrema.

Evolución del mercado

Cuando Spotify lanzó su servicio, hizo algo realmente radical: permitió a cualquier músico en el mundo acceder a canales de distribución que antes solo estaban al alcance de las discográficas, con presupuestos de marketing y suerte. El resultado fue una explosión en la industria musical: millones de nuevos artistas, billones de nuevas canciones. La línea de base, como prometido, subió.

Pero lo que ocurrió después fue que el 1% de los artistas más destacados ahora captura una proporción mayor de reproducciones que en la era del CD. No menos, sino más. Más música, más competencia, más vías para encontrar contenido de calidad, y una audiencia que ya no está limitada por la ubicación o el espacio en las estanterías, se ha concentrado en las obras más top. Spotify no logró unificar la música; simplemente intensificó esta competencia.

Lo mismo ocurrió en escritura, fotografía y software. Internet generó la mayor cantidad de autores en la historia, pero también creó una economía de atención más brutal. Más participantes, apuestas más altas en la cima, y la misma estructura básica: una minoría obtiene la mayor parte del valor.

Nos sorprendemos porque estamos acostumbrados a pensar linealmente — esperando que la productividad aumente de manera uniforme, como llenar un recipiente plano. Pero la mayoría de los sistemas complejos no funcionan así; nunca lo hacen. La distribución de potencias no es una anomalía del mercado o un fallo técnico, sino la configuración predeterminada de la naturaleza. La tecnología no la crea, solo la revela.

Piensa en la ley de Kleiber. Entre todos los seres vivos en la Tierra — desde bacterias hasta ballenas azules, abarcando 27 órdenes de magnitud en peso — la tasa metabólica es proporcional a la masa elevada a 0.75. La tasa metabólica de una ballena no escala linealmente con su tamaño. Esta relación es una ley de potencia, y se mantiene con alta precisión en casi todas las formas de vida. Nadie diseñó esta distribución; simplemente refleja cómo la energía sigue su lógica interna en sistemas complejos.

El mercado es un sistema complejo, y la atención es un recurso. Cuando desaparecen las fricciones — cuando la geografía, el espacio en estanterías y los costos de distribución dejan de actuar como amortiguadores — el mercado converge en su forma natural. Esa forma no es una curva normal en forma de campana, sino una ley de potencias. La historia de la igualdad y la aristocracia coexisten, y eso explica por qué cada nueva tecnología nos sorprende. Vemos que la línea de base sube, y asumimos que el techo también lo hace a la misma velocidad. Pero no es así: el techo se aleja cada vez más rápido.

La IA acelerará este proceso más que cualquier otra tecnología. La línea de base se eleva en tiempo real — cualquiera puede lanzar productos, diseñar interfaces, escribir código para producción. Pero el techo también sube, y lo hace más rápido. La pregunta clave es: ¿qué determina tu posición final?

Cuando la ejecución se vuelve barata, el gusto se convierte en señal

En 1981, Steve Jobs insistió en que la placa interna del primer Macintosh debía ser estética. No por fuera, sino por dentro — esa parte que el cliente nunca vería. Sus ingenieros pensaron que estaba loco. Pero no lo estaba. Entendió algo que muchos llaman perfeccionismo, pero que en realidad es una forma de prueba: la forma en que haces cualquier cosa refleja cómo haces todo. Quien puede hacer que las partes ocultas sean hermosas, no está solo demostrando calidad, sino que en su carácter no tolera lanzar productos mediocres.

Esto es importante porque la confianza es difícil de construir, pero fácil de falsificar en poco tiempo. Constantemente usamos heurísticas para distinguir a los verdaderamente sobresalientes de los que solo aparentan serlo. Las credenciales ayudan, pero pueden ser manipuladas; el pedigree también, pero puede heredarse. Lo que realmente es difícil de falsificar es el gusto (Taste): una persistencia duradera y observable en estándares que nadie exige, pero que uno mantiene con alta convicción. Jobs no necesitaba hacer la placa tan hermosa; lo hizo, y eso en sí mismo revela cómo actuaría en lo invisible.

Durante la mayor parte de la última década, esta señal estuvo algo oculta. En la era dorada del SaaS (aproximadamente 2012-2022), la ejecución se volvió tan estandarizada que la distribución se convirtió en un recurso escaso. Si podías adquirir clientes eficientemente, construir una máquina de ventas, y cumplir con la “regla de 40” — el producto casi no importaba. Con una estrategia de entrada al mercado sólida, incluso un producto mediocre podía ganar. La señal del gusto se perdía en el ruido de los indicadores de crecimiento.

La IA ha cambiado radicalmente la relación señal-ruido. Cuando cualquiera puede generar en una tarde un producto funcional, una interfaz atractiva y un código en producción, que algo sea “fácil de usar” ya no es un diferenciador. La pregunta ahora es: ¿es realmente sobresaliente? ¿Sabe esa persona la diferencia entre “bueno” y “extremadamente genial” (Insanely great)? ¿Se preocupa lo suficiente para cerrar esa última brecha, incluso sin que nadie lo exija?

Especialmente en software crítico para negocios — sistemas que gestionan nóminas, cumplimiento, datos de empleados y riesgos legales — esto es aún más cierto. No son productos que puedas probar y abandonar en un trimestre. Los costos de cambio son reales, los fallos graves, y quienes despliegan sistemas deben responsabilizarse de las consecuencias. Esto significa que, antes de firmar, deben confiar en heurísticas de confianza. Un producto estéticamente agradable es una de las señales más fuertes: dice que quien lo construyó puso cuidado en los detalles visibles, y probablemente también en los invisibles.

En un mundo donde la ejecución es barata, el gusto es prueba de trabajo (Proof of work).

Nuevas recompensas en esta etapa

Esta lógica ha sido válida siempre, pero en la última década el entorno del mercado la hizo casi invisible. Hubo un tiempo en que las habilidades más importantes en software no tenían que ver con el software en sí.

Entre 2012 y 2022, la arquitectura central del SaaS se consolidó. La infraestructura en la nube se volvió barata y estandarizada, las herramientas de desarrollo maduraron. Construir un producto funcional era difícil, pero esa dificultad ya estaba “resuelta”: podías contratar, seguir un patrón establecido, y con recursos suficientes, llegar a la línea de calificación. Lo que realmente diferenciaba a los ganadores de los mediocres era la capacidad de distribución. ¿Puedes adquirir clientes eficientemente? ¿Puedes construir un proceso de ventas repetible? ¿Comprendes la economía unitaria (Unit economics) para impulsar el crecimiento en el momento adecuado?

Los fundadores que prosperaron en ese entorno provenían mayormente de ventas, consultoría o finanzas. Dominaban métricas que hace una década parecían un idioma extranjero: NDR, ACV, Magic number, regla de 40. Vivían en hojas de cálculo y revisiones de pipeline, y en ese contexto, tenían razón. La cima del SaaS generó una élite de fundadores, una adaptación racional a la evolución del mercado.

Pero yo me sentía asfixiado.

Crecí en un pequeño pueblo en un estado de India con 250 millones de habitantes. Solo unos tres estudiantes al año en toda India logran ingresar en MIT. Sin excepción, provenían de escuelas preuniversitarias caras en Delhi, Mumbai o Bangalore — instituciones creadas específicamente para ese objetivo. Yo fui la primera persona en mi estado en entrar en MIT. No digo esto para alardear, sino para ilustrar un microcosmos del argumento: cuando la barrera de entrada es limitada, el pedigree predice resultados; cuando se abre esa barrera, los que profundizan siempre ganan. En una sala llena de personas con antecedentes prestigiosos, yo era una ficha que ganaba con profundidad. Es la única apuesta que conozco.

Estudié física, matemáticas y ciencias de la computación, y en esas áreas, las ideas más profundas no vienen solo de optimizar procesos, sino de ver verdades que otros pasan por alto. Mi tesis de maestría trataba sobre mitigación de retrasos en entrenamiento distribuido de aprendizaje automático: cómo optimizar sin dañar la integridad del sistema cuando algunas partes se retrasan en sistemas a gran escala.

Cuando tenía poco más de veinte años y miraba al mundo del emprendimiento, veía un panorama donde esas ideas profundas parecían irrelevantes. La prima del mercado favorecía la “entrada al mercado” en lugar del producto en sí. Construir algo técnicamente sobresaliente parecía ingenuo — se consideraba una interferencia en el “verdadero juego” (adquisición, retención y velocidad de ventas).

Luego, en 2022, el entorno cambió.

Lo que mostró ChatGPT — de una forma más intuitiva y sorprendente que muchas investigaciones académicas — fue que la curva ya se había doblado. Se abrió una nueva curva en forma de S. Las transiciones de fase (Phase transitions) no premiarán a quienes se adaptaron mejor a la etapa anterior, sino a quienes, antes de que otros perciban el valor, detecten las infinitas posibilidades de la nueva etapa.

Por eso renuncié a mi trabajo y fundé Warp.

Esta apuesta fue muy concreta. En EE. UU., hay más de 800 agencias tributarias — federales, estatales y locales — cada una con sus requisitos, fechas límite y lógica de cumplimiento. No hay API, ni interfaces programáticas. Durante décadas, cada proveedor de payroll ha manejado esto de la misma forma: acumulando personal. Miles de expertos en cumplimiento trabajan manualmente en sistemas que nunca fueron diseñados para escalar. Los gigantes tradicionales — ADP, Paylocity, Paychex — han construido modelos de negocio completos en torno a esta complejidad: no la resuelven, sino que la absorben en la cantidad de empleados y trasladan los costos a los clientes.

En 2022, todavía veía a los agentes de IA como frágiles. Pero también percibía la curva de mejora. Un experto en sistemas distribuidos a gran escala, que observe de cerca la evolución de modelos, puede hacer una apuesta precisa: en unos pocos años, esa tecnología frágil se volverá inmensamente poderosa. Por eso apostamos: construir una plataforma nativa de IA desde los primeros principios, enfocándonos en los flujos de trabajo más difíciles — aquellos que los gigantes tradicionales nunca podrán automatizar por limitaciones arquitectónicas.

Hoy, esa apuesta se está materializando. Pero lo más importante es reconocer patrones. Los fundadores tecnológicos en la era de la IA no solo tienen ventajas en ingeniería, sino también en percepción. Ven diferentes puntos de entrada, hacen apuestas distintas. Pueden analizar un sistema considerado “permanentemente complejo” y preguntarse: ¿qué se necesita para automatizarlo realmente? Y lo más importante, pueden construir la respuesta con sus propias manos.

Los líderes del SaaS en su apogeo eran racionales optimizadores de restricciones. La IA está eliminando esas restricciones y estableciendo otras nuevas. En este nuevo entorno, los recursos escasos ya no son la distribución, sino la capacidad de percibir posibilidades — y construirlas con un estándar estético y de convicción. Pero hay una tercera variable que decide todo, y en ella muchos fundadores de IA cometen errores catastróficos.

El juego a largo plazo en medio de la velocidad

En el mundo del emprendimiento circula un meme: tienes dos años para escapar de la base permanente. Construir rápido, financiarse rápido, o sales o te arruinas.

Entiendo de dónde viene esa mentalidad. La velocidad de la IA genera una sensación de crisis de supervivencia, y la ventana para aprovechar la ola parece muy estrecha. En Twitter, los jóvenes que se vuelven famosos de la noche a la mañana creen que la clave está en la rapidez — que el ganador es quien corre más rápido en el menor tiempo.

Pero eso es en la dimensión equivocada.

La velocidad de ejecución es crucial. Lo creo firmemente — de hecho, está en el nombre de mi empresa (Warp). Pero la velocidad no equivale a una visión superficial. Los fundadores que construyen las empresas más valiosas en la era de la IA no son los que hacen un sprint de dos años para vender. Son los que corren una maratón de diez años, disfrutando del interés compuesto.

El cortoplacismo está equivocado: lo más valioso en software — datos propios, relaciones profundas con clientes, costos reales de cambio, conocimientos regulatorios — requiere años de acumulación, y ningún capital o IA puede copiarlo rápidamente. Cuando Warp procesa nóminas en múltiples estados, estamos acumulando datos de cumplimiento en miles de jurisdicciones. Cada notificación fiscal resuelta, cada caso límite tratado, cada registro estatal completado, entrena un sistema que se vuelve cada vez más difícil de copiar con el tiempo. No es solo una función, es una barrera de protección: existe porque hemos profundizado con alta calidad durante mucho tiempo, logrando una densidad de calidad.

Este interés compuesto no se ve en el primer año. En el segundo, apenas se intuye. Pero en el quinto, es toda la partida.

Frank Slootman, ex CEO de Snowflake, que construyó y escaló más software que cualquier otro, dice que hay que acostumbrarse a un estado “incómodo”: no solo para un sprint, sino como estado permanente. La “niebla de guerra” inicial — esa sensación de dirección perdida, información incompleta, decisiones forzadas — no desaparece en dos años. Solo evoluciona; nuevas incertidumbres reemplazan a las viejas. Los fundadores duraderos no son quienes encuentran certeza, sino quienes aprenden a moverse con claridad en la niebla.

Construir una empresa es brutal, y esa brutalidad es difícil de transmitir a quienes no la han vivido. Vives en un estado de miedo constante, con momentos de terror aún mayores. Tomas miles de decisiones con información incompleta, sabiendo que un error puede ser el fin. Los casos de éxito “de la noche a la mañana” en Twitter no solo son outliers en la ley de potencias, sino extremos de esa distribución. Aprender de ellos, como entrenar para un maratón observando a quienes corrieron mal y aún así lograron completar 5 km, es la mejor estrategia.

¿Y por qué hacerlo? No por comodidad, ni por altas probabilidades de éxito. Sino porque, para algunos, no hacerlo sería no vivir de verdad. La única cosa peor que construir algo de la nada, es la asfixia silenciosa de no haberlo intentado nunca.

Y si apuestas bien, si ves verdades que otros no perciben, y persistes en ellas con estética y convicción, los resultados no solo serán financieros. Crearás algo que cambie realmente la forma en que la gente trabaja. Crearás un producto que la gente adore usar. Y en tu propia empresa, contratarás y potenciarás a quienes puedan dar lo mejor en ese entorno.

Es un proyecto de diez años. La IA no puede cambiar eso, nunca lo ha hecho.

Lo que la IA cambia es el techo (Ceiling) que los fundadores que persisten hasta el final pueden alcanzar en esa década.

El techo que nadie mira

Entonces, ¿cómo será el futuro del software?

Los optimistas dicen que la IA crea abundancia — más productos, más creadores, más valor para más personas. Tienen razón. Los pesimistas dicen que la IA destruye las barreras del software — que todo puede copiarse en una tarde, que la defensa murió. También tienen parte de razón. Pero ambos solo miran la línea de base (Floor), nadie presta atención al techo (Ceiling).

En el futuro, surgirán miles de soluciones puntuales — herramientas pequeñas, funcionales, generadas por IA, capaces de resolver problemas específicos. Muchas ni siquiera serán creadas por empresas, sino por individuos o equipos internos para resolver sus propios dolores. Para categorías de software de baja barrera y fácil de reemplazar, la democratización será real. La línea de base será alta, la competencia feroz, y los márgenes muy estrechos.

Pero en software crítico para negocios — que gestiona flujos de dinero, cumplimiento, datos de empleados y riesgos legales — la situación será muy distinta. Son flujos de trabajo con muy poca tolerancia a errores. Cuando falla un sistema de nóminas, los empleados no reciben su dinero; cuando hay errores fiscales, la IRS llega; cuando se interrumpe la cobertura en periodos de inscripción, las personas pierden protección. Quien elige ese software debe responsabilizarse de las consecuencias. Esa responsabilidad no puede externalizarse a una IA que “codifica con intuición” en una tarde.

Para estos flujos, las empresas seguirán confiando en los proveedores. La dinámica de “ganador se lleva todo” será aún más marcada que en generaciones anteriores. No solo por efectos de red (que ciertamente existen), sino porque una plataforma nativa de IA que ha acumulado datos en millones de transacciones y casos límite, tendrá una ventaja de interés compuesto que hará casi imposible que los nuevos lleguen “de cero”. La barrera no será solo un conjunto de funciones, sino la calidad sostenida en un campo donde los errores se penalizan duramente.

Esto significa que la integración del mercado de software será mayor que en la era SaaS. En diez años, no habrá 20 empresas con cuotas de mercado en doble dígito en HR y nóminas. Probablemente, solo dos o tres plataformas dominarán la mayor parte del valor, mientras que muchas soluciones puntuales apenas tendrán una presencia marginal. La misma dinámica se repetirá en cada categoría de software con complejidad regulatoria, acumulación de datos y altos costos de cambio.

Las empresas en la cima de estas distribuciones serán muy similares: fundadas por talentos técnicos con un gusto genuino por el producto; construidas desde el inicio sobre arquitecturas nativas de IA; operando en mercados donde los gigantes actuales no pueden responder sin desmantelar sus negocios. Desde temprano, habrán hecho apuestas de percepción — habrán visto verdades aún no valoradas — y habrán persistido hasta que el interés compuesto sea claro.

He estado describiendo estos fundadores en abstracto, pero sé exactamente quiénes son, porque intento ser uno de ellos.

En 2022, fundé Warp porque creo que toda la pila de operaciones de empleados — nóminas, cumplimiento, beneficios, onboarding, gestión de dispositivos, procesos de RR. HH. — está basada en trabajo manual y arquitecturas antiguas, y que la IA puede reemplazarlas por completo. No solo mejorar, sino reemplazar. Los gigantes tradicionales han construido un negocio de miles de millones absorbiendo complejidad en la cantidad de empleados; nosotros, eliminando esa complejidad desde la raíz.

Tres años después, esa apuesta ha sido validada. Desde nuestro lanzamiento, hemos gestionado más de 500 millones de dólares en transacciones, creciendo rápidamente, y sirviendo a las empresas que construyen las tecnologías más importantes del mundo. Cada mes, la acumulación de datos de cumplimiento, casos límite resueltos y integraciones hace que nuestra plataforma sea más difícil de copiar y más valiosa para los clientes. La barrera de protección aún está en sus primeras etapas, pero ya tiene escala y se acelera.

No digo esto porque el éxito de Warp esté garantizado — en un mundo de leyes de potencias, nada está garantizado — sino porque la lógica que nos llevó aquí es la misma que describo en todo el texto: ver la verdad. Profundizar más que nadie. Construir con altos estándares sin depender de presiones externas. Persistir lo suficiente para ver si la visión es correcta.

Las empresas sobresalientes en la era de la IA serán aquellas que entiendan que: la barrera de entrada nunca fue escasa, sino la percepción (Insight); que la ejecución no es la verdadera barrera, sino el gusto (Taste); y que la velocidad nunca fue ventaja, sino la profundidad (Depth).

La ley de potencias no se preocupa por tus intenciones. Pero premia las intenciones correctas.