Notas para las empresas pre-IA que están haciendo la transición: - El objetivo es ser el punto de difusión económica entre el progreso del modelo y el valor para el cliente. Eso significa que si los modelos mejoran 3 veces, tu cliente recibe un valor 3x+. - Los modelos avanzan de manera desigual entre dominios ("inteligencia irregular"), por lo que quieres representar tu problema en el ámbito donde los modelos destacan. ¿Puedes tomar tu problema de negocio y replantearlo como código, matemáticas o lógica estructurada? - El mayor error es intentar sobre-ingeniería alrededor de los modelos. Por defecto, exponerlos a más. Incluso técnicas como la ingeniería de contexto probablemente tendrán una vida útil limitada a medida que las ventanas contextuales se expanden y continúa el progreso del modelo. - La forma en que organizas tu empresa importa. Empieza por un extremo: en lugar de que la IA mejore marginalmente la productividad individual, pon al modelo al mando de toda una unidad de negocio y haz que los individuos gestionen las excepciones y hagan el trabajo que los modelos no pueden (es decir, llevar al cliente a cenar un filete). Empieza con algo poco glamuroso y de baja visibilidad y observa cómo funciona. - Es probable que el producto se divida en dos superficies: una interfaz tradicional que soporte la interacción humana y los flujos de trabajo + una superficie tipo terminal que se automodifica y gestiona tareas ambiguas y multifuncionales (sí, openclaw para empresas). - Tu cliente sabe aún menos de estos modelos que tú. Tienes que empezar a guiarlos hacia la versión más ambiciosa de su futuro. Si estás en un sector que realmente valora a su base de empleados, pinta un cuadro de la IA permitiéndoles contratar a más y aumentar el NPS de los trabajadores — no contratar a menos y mejorar los resultados. Ayudarles a ser suficientemente ambiciosos será tan difícil como alinear la tecnología con esas ambiciones.