Trabajas más para sostener lo mismo o peor aún para lograr menos resultados, ¿te suena familiar?
Cada día vemos más contenido, más productos, más ofertas, más herramientas, más opciones de todo.
Pero detrás de esa maquinaria también hay más esfuerzo, más incertidumbre, más inversión, ingresos menos predecibles, más iteración y más reajuste de oferta. Todo a la vez.
Clientes más sofisticados que van deprisa.
Más energía mental.
Aprendizaje forzado que se vuelve inevitable y urgente.
Y en medio de todo esto, tú sigues operando para intentar no bajar el estándar y seguir ofreciendo servicios y productos de calidad con la excelencia que te ha caracterizado por años.
En algún punto algo empieza a sentirse raro y las piezas dejan de encajar como antes: el esfuerzo deja de traducirse en los resultados a los que estabas acostumbrada. Para no quedarte atrás terminas absorbiendo el costo de un juego cuyas reglas nadie te explicó.
A veces lo leemos como un problema personal. Que si foco, que si motivación, que si disciplina.
Pero lo que está pasando se parece más a un cambio de baseline (un nuevo estándar). Cambiaron el juego, las reglas y el ritmo del tablero.
La intención de este ensayo es que puedas ver el panorama completo: qué cambió, dónde se mueve el valor y qué decisiones ya no son opcionales si no quieres pagar esta transición a ciegas.
Qué vas a encontrar aquí:
- El cambio de tablero ya ocurrió (y se siente como ruido)
- Agencia cognitiva en la era de la AI: cómo decidir mejor en el trabajo real
- Adopción de IA sin transformación: por qué no capturas valor sin operating model
- Impuesto de transición: el costo real de adaptarte a la IA
- Habilidades humanas que protegen tu valor en la era de la IA
- Experiencia aplicada vs ejecución estándar: qué se abarata y qué sube de valor
- Cuando el output se abarata, cambia cómo se compra: precios, confianza y negociación
- Ventaja humana sin vivir en Zoom: modelo asincrónico para capturar valor
- Antes de que me digas “sí, pero…”
- Cierre
- FAQs
El cambio de tablero ya ocurrió (y se siente como ruido)
En el pasado construimos una economía basada en capacidades intelectuales y cognitivas. Quien tenía un conocimiento específico parecía tener algo escaso, único y magnético en las manos. Algo difícil de replicar. Algo que “valía”.
Antes, entregar un trabajo rápido, curado y a tiempo era parte del diferencial. Hoy, con la AI (IA), esa rapidez se volvió parte de las expectativas.
En 2025, 20,2% de las empresas reportaron usar AI, frente a 14,2% en 2024 y 8,7% en 2023 (más del doble en dos años). Cuando la herramienta deja de ser “excepcional” y se vuelve cotidiana, cambian las expectativas de velocidad, volumen y respuesta.
Para muchas profesiones del conocimiento y especializadas, el output antes bien pagado empieza a convertirse en commodity. No significa que tu trabajo y experiencia “ya no valga”.
Significa que la primera versión, lo estándar, lo replicable, o el test cuesta menos. Y cuando cuesta menos, el precio emocional y económico de sostener un trabajo artesanal y de calidad sube.
Por qué se abarata la ejecución cuando una tecnología es exponencial)
Esto no se siente así porque “hay una herramienta nueva”.
Se siente así porque la AI es una tecnología exponencial: no avanza en línea recta. Cambia el tablero por fases.
Hay un marco que lo explica bien (las 6D que Peter Diamandis popularizó): digitization, deception, disruption, demonetization, dematerialization, democratization.
El mecanismo suele verse así:
- Primero: digitization.
Lo que antes era oficio, tiempo o proceso humano empieza a convertirse en software, datos y modelos.
Se puede copiar, paquetizar y escalar.
- Después: deception.
Al inicio parece “curioso” o “un juguete”.
Muchos lo subestiman porque todavía no ha tocado su economía real. Otros lo descartan porque “aún no es suficientemente bueno”.
- Luego: disruption.
No es una mejora. Es un cambio de reglas, juego y tablero.
Lo que antes era diferencial se vuelve expectativa. Y lo que antes era “premium” se vuelve baseline (un nuevo estándar).
Y de ahí se sienten dos fases en el cuerpo y en los ingresos:
dematerialization y demonetization.
Cosas que antes requerían equipo, tiempo o estructura empiezan a comprimirse en software.
Y parte de lo que se pagaba por ejecución estándar pierde valor y baja de precio.
Tu trabajo sigue siendo valioso, pero producir la primera versión de lo que antes requería un ejército cuesta menos. Piensa en tu negocio: antes, cuántos profesionales y freelancers necesitabas contratar para llegar a un primer beta test, hacer un lanzamiento o una validación real.
Democratization es el efecto secundario: más acceso, más gente compitiendo y más oferta parecida (como pasó con el smartphone).
Las tecnologías exponenciales traen un rollercoaster completo: más posibilidades, sí, pero también nuevos riesgos y nuevos costos.
Para el mercado de los expertos, trae más presión por diferenciarse, más ruido y más escepticismo del comprador.
Por eso “hacer más” deja de ser ventaja tan rápido. El sistema se está moviendo por fases, y ya estamos sintiendo disrupción.
Referencia del marco (para ampliar): The Future Is Faster Than You Think (Peter H. Diamandis & Steven Kotler) y (6D, explicado por Diamandis en charla)
Tú sigues poniendo el mismo cuidado y atención, pero el mercado empieza a tratar parte de eso como “incluido”.
Y cuando producir una primera versión cuesta menos, baja el precio de lo estándar y sube el costo de sostener excelencia.
Por eso ves por todos lados la conversación sobre criterio y juicio humano. No es casualidad. Cuando el output y la ejecución se abaratan, el valor real que podemos aportar se mueve.
Se mueve hacia cosas que no salen de un prompt:
- decidir qué vale la pena hacer,
- definir bien el problema y el contexto,
- ver trade-offs, consecuencias y constraints sin autoengaño,
- ser capaz de tener y desarrollar pensamiento lateral,
- mantener viva la creatividad, la curiosidad, el coraje y la compasión,
- sostener dirección y cuidar la confianza cuando no hay un mapa claro.
Lo incómodo es que el beneficio no llega solo por usar herramientas como se nos quiere vender. Ni se pide menos a una sociedad ya explotada. Se ha roto el contrato social y nadie da la cara, pero el cobro llega igual: tiempo, carga cognitiva, dinero, desgaste e incertidumbre sobre el futuro del trabajo.
Entre tener AI y capturar valor hay un tramo que casi nadie quiere mirar: el operating model.
Sin un sistema de trabajo que convierta capacidad en resultados y usos de aplicación real, la AI acelera producción y ruido, pero no necesariamente mejora el negocio. Y por eso muchas veces la transición se siente como más cansancio, desgaste, fricción y carga, no como alivio.
Cuando el tablero cambia, la disrupción cae sobre tus ingresos y tu cuerpo. No la absorbe un departamento. No la amortigua una estructura. Mucho menos lo paga el sistema.
La pagas tú: en tiempo, foco, dinero, decisiones, aprendizaje acelerado, integración de nuevos modos de operar y desgaste.
Este ensayo va de sostener agencia: cómo seguir generando valor cuando la ejecución se abarata y decidir bien se vuelve la ventaja real.
No estamos compitiendo por output. Estamos compitiendo por juicio bajo presión.
En trabajo real, a eso se le ve como agencia cognitiva.
Agencia cognitiva en la era de la AI: cómo decidir mejor en el trabajo real
Agencia no es una idea bonita, un rasgo de personalidad o una moda. Es poder decidir con claridad y criterio cuando el contexto te obliga a reaccionar y tú tienes que seguir asumiendo el precio, con costos humanos sobre la mesa.
Se ve en cosas concretas.
En decidir qué vale la pena hacer y qué no, incluso si podrías producirlo rápido, hacer mucho más o hacerlo todo por tus clientes.
En definir bien el problema antes de correr a entregar, y sostener criterio bajo presión e incertidumbre sin prostituir tu talento. No confundas velocidad con talento: que podamos producir más rápido no significa que tengamos mejores servicios y productos. Significa que la primera versión, el MVP o el test cuesta menos.
En ver trade-offs sin autoengaño, poner límites cuando te piden más por menos y proteger la confianza cuando no hay mapa claro.
Y en asumir consecuencias: no delegar tu responsabilidad en la herramienta, el cliente, el mercado o el algoritmo.
Lo contrario de agencia no es incompetencia.
Es externalizar la parte más cara del trabajo: el juicio, el criterio, la decisión y la experiencia.
También hay otra forma de perder agencia y se está normalizando: brain rot.
No como insulto: como fenómeno (operar por reacción). Saturación, velocidad, algoritmo y una AI que suena “asertiva y convincente”, pueden dejarte operando por reacción y en piloto automático.
O peor: acostumbrarte a respuestas prefabricadas.
Este es uno de los mecanismos con los que la tecnología te roba pensamiento profundo.
Y cuando eso pasa, el orden se invierte: en vez de tú dirigir la tecnología, son estas tecnologías las que van rediseñando tu mundo.
Por eso la agencia se vuelve ventaja.
No porque te haga más productiva, sino porque evita que tu energía, tu atención, tu bolsillo y tu negocio se vayan detrás de lo que se abarata.
Si externalizas aprendizaje, decisiones y criterio a una máquina que suena correcta todo el tiempo, tu capacidad de juicio se erosiona con el tiempo.
Hay un dato simple y brutal: cómo escribes determina qué tan lejos llegas. Es simple: la calidad de lo que escribes marca el techo y la calidad de lo que recibes.
El punto no es “usar AI”.
Es cómo la usas.
Anthropic lo muestra desde otro ángulo: el uso real todavía está lejos del potencial teórico. No por falta de herramientas, sino porque entre capacidad y resultado hay algo humano que no se puede saltar: criterio, framing y decisión.
La AI funciona como espejo y amplificador.
Agencia es seguir siendo autora de tu criterio y decisiones, incluso usando herramientas, incluso cuando el mercado se acelera, se vuelve confuso y cambia lo que se paga.
Y hay un ángulo incómodo que casi no se dice en voz alta: en el grupo de profesiones con mayor exposición observada, aparecen más mujeres.
Esto importa por una razón simple: cuando la ejecución estándar se abarata, el riesgo no se “democratiza”.
Se concentra donde ya había más tareas automatizables, más organización y más trabajo cognitivo.
Y cuando se concentra, la transición se siente como más presión por demostrar valor en menos tiempo, con más fricción y menos predictibilidad.
Adopción de IA sin transformación: por qué no capturas valor sin operating model
¿Por qué, aunque la gente adopte herramientas, no captura valor?
En los últimos dos años hay una fase que casi todo el mundo está viviendo en silencio, pero pocos nombran con honestidad: adopción sin transformación.
La herramienta entra en el día a día. Se usa. Se prueba. Se integra a pedazos. Se usa hasta como terapeuta.
Pero el trabajo no se rediseña.
El sistema sigue igual: mismas prioridades, mismas expectativas, misma forma de vender, las mismas ofertas reempaquetadas y optimizadas al infinito, mismos plazos, misma lógica de “más output”, pero con peores márgenes de ganancia económica y humana.
Mucho de lo mismo, con otro vestido.
Lo importante aquí no es solo que la adopción crezca.
Es que, para negocios pequeños y freelancers, producir más rápido no equivale automáticamente a capturar valor.
Y hay un dato que aterriza esta fase sin teoría.
Primero sube la productividad.
La captura llega después (si llega, y cuándo llega).
Ese desfase no es un detalle.
Es la fase actual: convertir promesa en realidad.
McKinsey lo muestra con claridad: la adopción se está volviendo cotidiana, pero el impacto a escala sigue siendo desigual porque muchas organizaciones aún no han integrado la AI lo suficiente en sus workflows y procesos. La transición de pilots a impacto escalado sigue siendo ‘work in progress’.
La adopción puede avanzar más rápido que la capacidad de rediseñar workflows, gobernanza y operación. En trabajo real, esa brecha se lee como operating model: cómo conviertes capacidad en resultados sostenibles.
No basta con usar AI; importa cómo reconfiguras el trabajo para sostener impacto.
Anthropic lo mide con una idea útil: la diferencia entre lo que un modelo podría hacer en teoría y lo que realmente se está usando para automatizar en trabajo real.
A eso le llaman “observed exposure”.
Fuente imagen: Anthropic
Y lo que encuentran es esto: el uso real todavía está lejos del potencial teórico.
La adopción crece, sí, pero la transformación es otra historia.
El operating model es la parte que no se ve en un post, en un reel de 60 segundos, en una estrategia de posicionamiento, ni mucho menos en una campaña de marketing.
Es cómo conviertes capacidad en resultados sin reventarte:
- qué decides automatizar,
- qué decides verificar,
- qué decides mantener humano,
- qué estándares sostienes,
- qué decides amplificar con tecnología,
- qué no aceptas aunque te lo pidan.
Para un negocio pequeño, esa brecha no es abstracta: se siente como costo compuesto.
Más prueba y error. Más fricción de workflow. Más tiempo afinando, verificando, corrigiendo, reempaquetando, sin certeza de retorno.
Y el costo se siente donde más duele: en tus ingresos, ganancia y en tu cuerpo.
En una organización grande el costo se reparte, se amortigua, se financia.
En un negocio pequeño, la transición cae directo sobre tu bolsillo y tu energía.
Y si no nombras esta fase, es fácil confundir el desgaste con falta de capacidad, cuando muchas veces es falta de arquitectura.
Porque cuando hay rapidez sin claridad, hay más fricción, mayores costos económicos y humanos, y también se decide peor.
O simplemente no se decide, esperando que el mercado se acomode solo.
Y cuando decides peor, el costo no se queda en la teoría.
Aparece en el día a día:
- más reempaque de productos a ciegas,
- más revisiones para sostener estándar,
- más “más por menos” normalizado,
- más ansiedad por no saber si va a cuajar.
Por eso esto no se resuelve con prompts.
Se resuelve con arquitectura.
Porque la promesa real no era “hacer más”.
Era reducir fricción y capturar valor sin tanto desgaste.
¿Acaso no era esa la promesa de estas tecnologías?
Esta semana quizás volviste a ajustar tu oferta.
No porque no sepas vender, ni porque no lo hayas logrado antes.
Simplemente porque los números comienzan a hablarte, lo que antes convertía ya no responde igual, y nadie te hizo parte de las nuevas reglas.
Impuesto de transición: el costo real de adaptarte a la IA
Hay una fase silenciosa que pocas personas están nombrando con claridad: mucho uso y mucha experimentación, pero un impacto reportado todavía limitado en productividad, empleo y ganancia para muchas empresas en el corto plazo. Esa brecha entre “usar” y “capturar valor” no es un detalle.
Es parte de la fase actual.
Y en un negocio pequeño, esa brecha no se vive como teoría.
Se vive como factura.
Tiene nombre: impuesto de transición.
Es el tipo de costo compuesto que casi nunca aparece en una hoja de Excel.
El costo de mantenerte relevante cuando el tablero cambia, el baseline sube y la ejecución estándar se abarata.
No lo paga el sistema. No lo pagan las Big Tech.
Y en un negocio pequeño, no lo amortigua nadie.
Lo pagas tú.
En pymes, la OECD apunta a un patrón claro: entre las pymes que ya usan GenAI y han tenido brechas de habilidades, 39% dice que la herramienta les ayudó a compensarlas. No porque sea trendy, sino porque falta capacidad, tiempo o equipo disponible. Y al mismo tiempo aparecen fricciones reales: dudas sobre propiedad intelectual, compliance, uso ético y riesgo.
La herramienta promete velocidad, pero el sistema exige cuidado.
No puedes usarla sin consecuencias si tu negocio depende de confianza, reputación y calidad.
McKinsey pone otra cara de la misma moneda: capturar valor no depende de usar herramientas, sino de ‘rewiring’ de cómo opera la empresa. Y ese rediseño tiene un costo invisible.
QA, verificación, trazabilidad, revisión, control de errores, estandarización, entrenamiento interno, rediseño de procesos.
Este costo no se ve en un prompt. Se ve en horas, foco y energía.
¿Cómo se siente este impuesto en un negocio de conocimiento y en profesionales expertos?
Se siente así:
- Ingresos menos predecibles y mayor ansiedad.
Lo que antes convertía en piloto automático ahora depende de más ensayo y error, y tu cash flow deja de sentirse estable. Se vuelve más reactivo y con menos margen para pensar.
- Aprendizaje acelerado y reconfiguración (y no siempre elegido).
Cada ciclo exige volver a entender qué se paga, qué se abarata, qué se necesita ahora, qué te diferencia y qué requiere prepararse para un futuro incierto.
- Stack de herramientas y mantenimiento.
Sumas suscripciones para no quedarte atrás, pero también sumas fricción: configuración, actualizaciones, integraciones, curva de aprendizaje y decisiones sobre qué sostener y qué dejar ir.
- Reempaque de oferta en ciclos cortos.
Inviertes 6–8 semanas reajustando nombre, entregables y promesa sin una señal clara y sin garantías de que el mercado vaya a responder igual que antes.
- Verificación extra para sostener estándar y confianza.
Produces más rápido, pero revisas más. Correcto no es igual a útil, verdadero o seguro, y el control de calidad se vuelve parte del trabajo.
Ese es el impuesto de transición: más costo para sostener valor y mantenerte relevante mientras la ejecución se abarata, la confianza se vuelve más frágil y el sistema todavía no tiene reglas estables.
Y si no lo nombras, lo pagas por partes y a ciegas: en cansancio, en decisiones reactivas o basadas en miedo, en desgaste, en pérdida de dirección.
Nombrarlo no elimina el costo. Pero evita que lo vivas como fracaso o como evidencia de que tu recorrido no vale.
Lo que cambió fueron las reglas y el juego.
Estamos en un momento donde casi nada se siente estable. No hay “vacas sagradas”.
Si esto te suena, no es porque estés fallando.
Es porque estás pagando la transición en tiempo real.
Y quizás te estás preguntando lo mismo que muchas:
¿qué sí protege valor, al menos en el corto y mediano plazo, sin traicionarte ni reventarte?
Habilidades humanas que protegen tu valor en la era de la IA
Desde la Revolución Industrial (que arranca en la segunda mitad del siglo XVIII y se consolida en el XIX), construimos economías enteras alrededor de trabajo cognitivo y acumulación de conocimiento: procesar, coordinar, escribir, decidir.
Con AI y con la carrera real hacia sistemas cada vez más capaces, esto cambia el baseline.
Por eso la pregunta ya no es “qué herramienta uso”.
Es qué capacidades sostienen valor cuando el juego cambia y cómo me preparo para navegar entornos de alta incertidumbre.
En esta fase, volverse “más técnico” no alcanza.
Estas 17 habilidades no han tenido el mismo valor en el pasado. En la conversación se habla de skills shifting. Son las que protegen tu trabajo cuando el baseline sube.
Bloque 1: decidir mejor (antes de producir)
1) Diseñar y desarrollar criterio (estándar propio + trade-offs).
Tener un estándar propio para elegir qué sostener, qué cortar y qué no volver a hacer. Asumir decisiones con consecuencias y resultados que serán tuyos.
2) Framing.
Definir y comprender el problema correcto antes de producir la respuesta (sumamente importante).
3) Decidir con información incompleta (resiliencia y flexibilidad).
Aprender a avanzar sin certeza ni garantías, pero sin improvisar ni vender promesas falsas. Tolerar entornos de alta incertidumbre sin colapsar.
4) Pensamiento de segundo orden (consecuencias).
Ver beneficios y consecuencias a largo plazo. Ver el efecto colateral de una decisión antes de pagarlo tres, doce o veinte meses después.
Bloque 2: pensar en capas (cuando lo obvio no alcanza)
5) Leer patrones humanos con contexto y costo.
No se trata solo de hacerlo “correcto” usando AI. Es entender qué está pasando con tu cliente, tu negocio, en el mundo, en tu vida y en el mercado antes de correr a “optimizar”.
6) Conexión de patrones.
Identificar similitudes, tendencias y regularidades en información, comportamientos o datos. Conectar puntos incluso entre ramas que parecen distantes.
7) Pensamiento lateral y creativo (romper premisas).
Pensar “out of the box”. Abordar desafíos con ángulos inesperados. Buscar caminos alternativos cuando el problema no tiene precedentes.
8) Pensamiento hacia adelante.
Ver hacia el futuro. La máquina sabe lo que ya hemos hecho y puede predecir desde ahí, pero desconoce lo que todavía podemos crear.
9) Humanidades aplicadas (lenguaje, historia, filosofía, ética, significado).
No para “ser culto”. Para entender contexto, poder, incentivos, narrativa, comportamiento humano y consecuencias humanas.
Bloque 3: humano + poder (lo que el mercado sí paga cuando hay riesgo)
10) Empatía aplicada (no emocionalismo ni show manipulativo).
Entender la fricción real de tu cliente sin convertirte en contención infinita. Que te importen de verdad las personas y el problema que te comprometiste a resolver.
11) Negociación y poder (defender precio, límites y objetivos).
Aunque puedas hacerlo todo por un cliente, no significa que debas permitir dinámicas abusivas. Sostener límites sin ser agresiva ni terminar cediendo tu valor por miedo a la pérdida.
12) Comunicación, liderazgo e influencia (alinear, traducir, coordinar).
Las ideas no van a desaparecer. Aprender a comunicarlas, servir de puente y mover a las personas sigue siendo una gran habilidad.
Bloque 4: operar sin perderte (capturar valor sin reventarte)
13) Arquitectura de decisiones (no solo tareas).
Diseñar un sistema de trabajo que convierta capacidad en resultados sin reventarte. Construir un operating model eficiente.
14) Verificación y juicio de calidad (QA mental: correcto vs cierto vs útil).
No todo lo correcto y asertivo es útil o verdadero. Es función humana asegurar calidad, criterio, utilidad y verdad.
15) AI literacy (alfabetización funcional, no “prompts”).
Entender qué puede y qué no puede hacer una AI, dónde falla, cómo verificar, qué riesgos legales/éticos hay y cuándo no conviene usarla.
16) Curiosidad y aprendizaje continuo.
Explorar cómo funciona el mundo y por qué. Vivir experiencias que nutran tu perspectiva y tu juicio. Aprender a aprender como meta-skill.
17) Adaptabilidad con criterio (no reactividad).
Cambiar de forma sin perder fondo. Aprender rápido sin prostituir tu estándar. Ajustar rumbo sin entrar en reempaque infinito.
Estas habilidades no son para sentir consuelo. Son para tomar mejores decisiones por tu futuro con la información que tenemos hasta ahora: proteger precio, poder de negociación, confianza y dirección.
¿Cuáles tres te comprometes a fortalecer primero con intención?
Experiencia aplicada vs ejecución estándar: qué se abarata y qué sube de valor
No es tu experiencia lo que pierde valor.
En un contexto incierto, cuando se junta con criterio, priorización, lectura de riesgo y discernimiento, se vuelve más relevante que nunca.
Lo que cambia es su función, mientras la ejecución estándar se abarata.
Producir primeros borradores, tests, MVPs y síntesis mueve parte del trabajo hacia commodity porque simplemente cuesta menos producirlo.
Y esto es solo el inicio.
Tu experiencia aplicada en contexto no compite con la máquina en “hacer”.
Sirve para decidir.
Sirve para elegir qué sostener y qué cortar, y para sostener ese “no” sin romperte por dentro ni romper la relación afuera.
En la práctica se ve así:
- ver trade-offs sin autoengaño
- anticipar efectos, riesgos y errores de segundo orden
- detectar dónde el sistema está roto o tiene fugas
- traducir complejidad en dirección y claridad
- hacer mejores preguntas cuando todo el mundo corre a “producir”
- proteger confianza cuando la información sobra, pero las decisiones siguen teniendo consecuencias humanas
¿La trampa más cara?
Reaccionar y competir haciendo más.
El volumen pasa factura: más esfuerzo para sostener lo mismo no es negocio.
Reduce tu poder de negociación, te empuja a justificar entregables, y te deja con más desgaste.
Es un momento para hacerlo diferente.
Una herramienta no tiene the skin in the game como tú y yo.
Cuando el output se abarata, cambia cómo se compra: precios, confianza y negociación
¿Has notado cómo estás más escéptica antes de comprar y cómo servicios o formaciones que antes contratabas con facilidad hoy no tienen el mismo valor?
Tu cliente no es distinto.
Cuando el output se vuelve más fácil de producir, el mercado no se vuelve más “justo”.
Se vuelve más exigente y más escéptico.
Hay más oferta parecida, más AI-washing y más promesas que ya no sobreviven al contexto actual.
Y cuando todo se parece más, cambia la forma en que se compra y la forma en que se negocia.
Y eso cambia la psicología del comprador y se siente así:
Precio
- más comparación
- más presión por precio
- más “hazme más por menos”
Confianza
- más desconfianza
- menos tolerancia a lo genérico
- menos paciencia para que tú “encuentres el ángulo”
Exigencia operativa
- más revisiones
- menos respuesta a la urgencia
La consecuencia para profesiones del conocimiento es: si compites solo por ejecución, entras en una guerra de precio y volumen.
Y el costo real aparece como desgaste, menos ingresos y menos margen de ganancia.
Esto ya se empieza a ver en el mercado freelance.
En ocupaciones más expuestas a GenAI, se observó 2% menos contratos y 5% menos ingresos tras la salida de nuevo software de AI en 2022. Esto no es teoría: es una señal temprana de costo económico.
En 12–24 meses se siente así:
- trabajas más para sostener lo mismo,
- inviertes en marketing y publicidad sin retorno claro,
- tu poder negociador baja,
- tu estándar se vuelve más caro de sostener,
- y tu energía se va en defender entregables, no en dirigir valor.
Por eso la conversación real ya no es “cómo producir más”.
Es cómo sostener confianza cuando el baseline sube y el comprador se vuelve más sofisticado.
En este juego, la ventaja no es parecer más rápida o inteligente.
Es ser más difícil de reemplazar cuando lo que está en juego es una decisión, un riesgo o una consecuencia real.
Hoy todo el mundo puede crear y copiar contenido en segundos, pero pocos siguen tomando decisiones reales con consecuencias humanas.
Ventaja humana sin vivir en Zoom: modelo asincrónico para capturar valor
En este punto suele aparecer un dilema incómodo, que al mismo tiempo es parte de la salida.
Más tecnología integrada en nuestras vidas hace que lo humano vuelva a tener más valor.
Pero lo humano, en su forma más obvia, también es lo que más agota: reuniones, llamadas, contención, presencia constante, preparar, producir artesanalmente en volumen, performance para lograr visibilidad, conferencias, viajar por trabajo, hacer seguimiento, volver a explicar.
Ahí es donde muchas personas:
o se van al volumen y a la ejecución commodity para sobrevivir,
o se van al “todo humano” y terminan quemadas.
Hay una tercera vía.
No es desaparecer del humano.
Es rediseñar tu ecosistema empaquetando lo que sí paga, con intervenciones humanas puntuales o intensivas.
Lo que realmente paga no es tu tiempo en Zoom.
Es tu juicio: tu lectura del sistema, tu capacidad de ver trade-offs, de nombrar riesgos, de sostener estándares y de traducir complejidad en dirección.
Eso se puede convertir en infraestructura asincrónica.
No como “curso”.
Como activos que contienen criterio. Convertir tu criterio en decisiones, límites y verificaciones que siguen funcionando incluso cuando tú no estás presente.
Por ejemplo:
- Criterio convertido en decisiones repetibles o frameworks. Que tu cliente pueda tomar la misma decisión correcta sin que tú estés ahí cada vez.
- Estándares convertidos en límites claros. Que quede escrito qué es ‘calidad’ en tu mundo y qué no negocias, para que el estándar no se degrade.
- Experiencia convertida en riesgo anticipado. Que tu experiencia sirva para ver qué se rompe antes de que se rompa, y que esa lectura sirva sin una reunión.
- Juicio convertido en priorización. Que tu aporte no sea hacer más, sino decidir qué no hacer, qué va primero de verdad y qué no vale sostener.
- Contexto convertido en framing. Que no compres el problema que te traen; que redefinas el problema real y eso se sostenga sin que tengas que explicarlo 10 veces.
- Proceso mental convertido en verificación. Que exista un modo de distinguir ‘correcto’ vs ‘cierto’ vs ‘útil’, sin que tú tengas que ser la guardiana del estándar.
- Intuición convertida en señales observables. Que el cliente pueda reconocer señales de que está cayendo en reempaque infinito o en volumen por ansiedad.
- Eventos, intervenciones intensivas y actividades presenciales. Componente 100% humano dentro de tu ecosistema digital.
La prueba no es si puedes producir más, es rediseñar tu ecosistema para capturar valor en una nueva era sin hipotecar tu vida. Que la confianza no dependa de tu presencia constante, sino de consistencia, claridad y decisiones bien defendidas.
El mercado digital y la tecnología nos prometieron libertad.
Pero un negocio que vive en un espacio que no cierra, mal gestionado, puede ser esclavizante.
Y cuando cambian el juego y las reglas, también es un buen momento para replantear los antiguos modos de operar.
La pregunta no es “cómo hago más con AI”.
Es otra.
¿Cómo pasas de ejecutar entregables a generar valor a través de dirección y decisiones mejores?
¿Cómo usas la máquina para contrastar tu criterio, no para anestesiarlo?
¿Y cómo la integras en tu trabajo con un operating model que produzca resultados, no hacks ni hype?
Aquí va una regla simple que ordena todo esto:
Más humano no significa más llamadas.
Significa más juicio empaquetado.
Un trade-off que conviene mirar de frente:
Más Zoom puede darte confianza rápida, pero te cobra energía y te vuelve frágil.
Más artefacto te da escala y calma, pero exige claridad, estándar y diseño.
Una pregunta para este momento:
¿Qué parte de tu valor necesita presencia humana, y qué parte ya está pidiendo ser empaquetada?
La combinación que importa no es “AI vs humano”.
Es humano con agencia, usando AI como amplificador, no como yes bot.
Antes de que me digas “sí, pero…”
Esto no es un tema para opinar a distancia o desde un pedestal.
Es un sistema observado en capas.
Ya se está sintiendo en el cuerpo, en los ingresos, en la calidad de vida, en el contrato social, en la identidad y en el trabajo como lo hemos conocido en las últimas décadas.
El problema de este momento no es solo tecnológico.
Es estructural, acelerado, sin precedentes e impredecible.
Ahora sí: hay tres objeciones que aparecen siempre en esta conversación.
Ninguna cambia el tablero.
Lo que cambian es la decisión que tomas después y cómo te integras.
1) “Estás sobregeneralizando desde ciertos sectores.”
Sí: no todo el mundo está igual de expuesto, ni todo se abarata al mismo ritmo.
Ese matiz es real.
Mi punto no es universalizar la experiencia.
Es nombrar una dinámica que ya se ve en una parte relevante del trabajo cognitivo:
- primeras versiones más baratas,
- más velocidad como expectativa,
- más presión sobre entregables estándar,
- más competencia en outputs parecidos.
- Aunque no se viva igual en todos los sectores, el tablero ya cambió para suficientes personas como para exigir nuevas decisiones, nuevos modos de operar y abrir más conversaciones al respecto.
2) “La AI también crea valor, no solo impuesto de transición.”
Correcto.
La AI puede mejorar productividad, acelerar procesos, ampliar capacidad y abrir oportunidades.
Negarlo sería simplista.
El punto es otro: capacidad no equivale a captura.
Entre producir más rápido y mejorar ingresos, márgenes o construir un modelo sostenible, hay una brecha.
Y esa brecha hoy se llama: operating model, disciplina operativa, verificación de calidad y rediseño del trabajo.
Mi argumento no es anti-AI.
Es que, sin agencia cognitiva, la herramienta puede acelerar producción sin mejorar el negocio, e incluso aumentar fricción, ruido y desgaste.
3) “Estás elevando ‘criterio’ a una abstracción difícil de operar.”
Solo si lo dejamos como palabra bonita.
Aquí lo uso en sentido operativo.
Criterio es usar tu experiencia y tu estándar para decidir:
- qué automatizar y qué no
- qué tipo de cliente aceptar y cuál no
- qué parte de tu oferta ya se volvió commodity
- dónde necesitas más verificación,
- qué estándar no vas a negociar aunque el mercado empuje a bajar precio
- cómo sostener confianza cuando producir “algo” cuesta cada vez menos
Si el criterio no baja a decisiones de precio, oferta, límites, riesgo y dirección, entonces no sirve.
Pero cuando baja, deja de ser idea elegante y se convierte en ventaja económica real.
Y sí: la AI mejora productividad. Eso es parte del cambio.
Solo que el valor no se evapora: cambia de manos.
De ejecución a criterio.
De volumen a confianza.
De producir más a decidir mejor.
Cierre
No estamos en un momento donde “hacer más” garantice nada.
Estamos en un momento donde decidir mejor empieza a ser la diferencia.
No estamos compitiendo por output. Estamos compitiendo por juicio bajo presión.
La ejecución estándar se abarata.
Tu experiencia no se volvió irrelevante: cambia de función.
La pregunta no es si vas a usar AI (la vas a usar o ya la estás usando).
La pregunta es esta:
¿Vas a seguir invirtiendo años en hacer más, o vas a mover tu trabajo hacia donde todavía se paga: criterio, contexto, dirección y decisiones con consecuencias reales?
Si estás en transición, publico reflexiones por email cada semana para pensar y decidir mejor sin hype. Está al final.
FAQs
1. ¿Qué significa agencia en la era de la IA, en términos de trabajo real?
2. ¿Cómo está cambiando el futuro del trabajo con la IA generativa?
3. ¿Qué se está abaratando exactamente con la IA en el trabajo del conocimiento?
4. ¿Cómo diferenciar experiencia aplicada de ejecución estándar cuando el output se vuelve commodity?
5. ¿Por qué siento que trabajo más para sostener lo mismo en mi negocio o carrera?
6. ¿Qué es el impuesto de transición y cómo se manifiesta en empresarias, consultoras y profesionales independientes?
7. ¿Por qué la adopción de IA no se traduce automáticamente en mejores ingresos o más margen?
8. ¿Qué es un operating model y por qué importa para capturar valor con IA (más allá de prompts)?
9. ¿Cómo proteger mi poder negociador cuando el cliente pide “más por menos” y compara con IA?
10. ¿Cómo construir ventaja humana sin vivir en reuniones, llamadas y Zoom?
11. ¿Qué habilidades humanas suben de valor cuando el tablero cambia y la ejecución se abarata?
12. ¿Cómo usar IA sin delegar criterio, juicio y responsabilidad por las decisiones?
13. ¿Qué hacer si mi servicio se está comoditizando y mi cliente ya no percibe el mismo valor?
14. ¿Cómo evitar reempaquetar mi oferta cada 6–8 semanas sin una señal clara del mercado?
15. ¿Cómo sostener confianza y reputación cuando hay AI-washing y el comprador está más escéptico?
16. ¿Qué es “brain rot” y cómo afecta mi agencia cognitiva cuando uso AI todos los días?
17. ¿Cómo saber qué parte de mi trabajo debe volverse artefacto (asincrónico) y qué parte necesita presencia humana?
18. ¿Por qué la transición hacia AI afecta distinto a mujeres en profesiones del conocimiento?
19. ¿Qué significa ‘juicio bajo presión’ y por qué es más valioso que producir más output?
BIBLIOGRAFÍA
OECD. (2025). Generative AI and the SME Workforce: New Survey Evidence. OECD Publishing.
McKinsey. (5 Nov 2025). The State of AI: Global Survey 2025. Report.
McKinsey. (9 Dec 2024). Extracting value from AI in banking: Rewiring the enterprise. Article.
Anthropic. (5 Mar 2026). Labor market impacts of AI: A new measure and early evidence. Research.
Diamandis, P. H., & Kotler, S. (2019). The Future Is Faster Than You Think. Book.
(6D framework – talk)
Todos los enlaces: último acceso 22 Mar 2026.
Si este tipo de pensamiento te sirve para decidir mejor, comparto reflexiones y Decision Cases por email, sin hype ni urgencia.
Archivo relacionado
Decision Cases — Decisiones reales documentadas en contexto
→ Ver el archivo completo
Notes on work, decisions, strategy & meaning— Observaciones breves que no viven en redes sociales
→ Ver el archivo completo