El valor vive en el piso de arriba.
Cada vez que la IA iguala una capacidad humana, alguien dice que nuestro valor residía más allá. La clave es entender que el valor es propiedad no intrínseca y subjetiva. Algo vale algo PARA alguien.
Participa en la Encuesta Foro IA / Dircom sobre
impacto IA en Comunicación Corporativa.
En su libro, The value of everything, Mariana Mazzucato expone una crítica sutil al capitalismo actual diferenciando entre creación y extracción de valor. Pero no recuerdo haberme quedado con una definición explícita de valor: uno de esos conceptos que casi todos invocamos pero nos cuesta definir.
Llevo años leyendo informes y artículos sobre el impacto de la inteligencia artificial en el empleo y esta semana salta de nuevo el tema a la palestra con un manifiesto que urge a los gobiernos a la acción, y que ha sido firmado por cientos de economistas. El trabajador del conocimiento está en riesgo de obsolescencia programada por los OpenAIs y Anthropics del mundo. Lo cual nos llena de una angustia existencial que aprovechan los gurús de la autoayuda para proclamar una receta mágica que ponga freno a la extinción de esa raza de cuello tan blanco: lo que debemos hacer es enfocarnos en lo que de verdad aporta valor.
Salvemos a las ballenas sí, pero … ¿qué es lo que aporta valor de verdad? O mejor aún: ¿qué es el valor?
El valor vive en el piso de arriba.
Según automatizamos tareas, el valor se desplaza “hacia arriba”. Cosechar el grano con el sudor de la frente tenía una función concreta y valiosa: poner comida encima de la mesa. Pero la industrialización de la agricultura desplazó el trabajo humano hacia tareas de mayor aportación de valor. Reunir datos dispersos, ordenarlos y analizarlos tenía valor. Pero ahora que la IA puede “hacerlo por nosotros”, el coste de realizar esas tareas se desploma y el valor que le asignamos parece también esfumarse. Entonces alguien viene y nos dice: ¡no, el valor no estaba ahí!
¿Residirá el valor en el diagnóstico, pues? Ahora la IA también diagnostica. Así que el valor se repliega otra vez, y nos dicen que lo importante es el criterio para elegir el diagnóstico correcto entre los varios diagnósticos que una máquina puede fabricar en cuestión de segundos.
Y cada vez que el valor se desplaza, otro gurú llegará a explicarnos que en realidad el valor, como la tentación, vivía en el piso de arriba. Esta primavera nos decían que el valor reside “en el gusto”, esa cualidad borrosa e inabarcable que invocan ahora los tecnólogos de Silicon Valley: cuando cualquiera puede producir cualquier cosa, elegir qué hacer nos diferencia.
Usando teorías del valor equivocadas.
Un sistema crea valor si el output es más valioso que la suma del valor de los inputs. Y el sistema es óptimo a mayor retorno de la inversión (coste de producir vs producto final), relacionando así valor con productividad. Un esfuerzo ímprobo es poco productivo si el valor del output generado es bajo o inexistente. ¿Tiene valor un proyecto inacabado que termina sepultado en un cajón, por más horas-hombre que hayamos metido? ¿Tiene valor intrínseco una idea? ¿A quién le sirve una reflexión sobre el valor?
La teoría económica del valor-trabajo, de Adam Smith a Marx, sostenía que el valor de una cosa derivaba del trabajo necesario para fabricarla. Un diamante tiene un precio elevado porque extraerlo y refinarlo es costoso. Conforme a esta visión, automatizar una tarea reduciendo el coste de los inputs termina devaluando el output. En la teoría de oferta y demanda, la escasez de oferta aumenta el precio si la demanda se mantiene o sube. Si la mano de obra es escasa, los salarios suben. La abundancia de un objeto deprecia el mismo. Pero … ¿qué es un mercado? ¿Es siempre la abundancia un factor depreciador? ¿No tendría la abundancia de felicidad para todos un valor inmenso?
La revolución marginalista del siglo XIX (Jevons, Menger y Walras) puso en duda la idea del valor-trabajo: el valor no se halla en el esfuerzo que costó producir un objeto, sino en el ojo de quien lo desea. No depende de la utilidad intrínseca sino de la utilidad de la última unidad disponible. Es subjetivo, es marginal y es relacional. Es la razón por la que estamos dispuestos a pagar más por el mismo servicio o producto en función del momento, del contexto: la jarra de agua en el desierto que nos salva la vida tiene un valor que ningún diamante puede igualar en ese momento.
Y si lo llevamos al terreno de las emociones, la sonrisa de nuestro bebé “no tiene precio” pero nos proporciona un placer incalculable. Esa misma sonrisa carecería de valor si nos atenemos sólo al coste material de producirla. Por eso le damos tanta importancia a la acción de dar las gracias. El valor no es una propiedad intrínseca de las cosas. Es una relación. Algo vale para alguien.
La falacia de descomponer el trabajo en tareas.
Muchos análisis sobre el impacto de la IA en el empleo descomponen cada profesión en tareas y calculan qué porcentaje es “automatizable” resucitando la teoría del valor-trabajo sin buscarlo. Miden el valor de un profesional como la suma del coste de sus tareas. Se trata de un artefacto metodológico que produce titulares y profecías cuando en el mejor de los casos, nos hallamos frente a una mera contabilidad de inputs.
Un profesional no se compone de la suma de sus tareas declaradas. Entre tarea y tarea hay un tejido invisible que ninguna descomposición captura: el criterio para elegir la tarea más relevante, la lectura de una sala de reuniones, la relación que sostiene un encargo, la responsabilidad de firmar una decisión. Cuando se automatizan las tareas visibles, creyendo haber capturado el oficio, confundimos las partes medibles con el todo: la sombra con el cuerpo. La empatía, la primera impresión y la “química” entre individuos, la constitución de un rostro, … Todas estas cosas no son tareas esperando su turno para ser automatizadas: son los residuos que la automatización deja tras de sí, y que se potencian en lugar de disolverse.
En 1983, el Nobel Wassily Leontief advirtió que el ser humano acabaría desplazado de la economía igual que el caballo lo fue por el tractor y el automóvil: “primero disminuido y luego eliminado”. La población equina de Estados Unidos llegó a rozar los 21 millones de cabezas en 1900; hoy es una fracción residual.
Pero la analogía es frágil. El caballo era una entidad de valor “escalar”: todo lo que aportaba a la economía cabía en una sola magnitud, la fuerza de tracción, tan medible que James Watt definió el “caballo de vapor” precisamente para vender sus máquinas con un argumento de una sola cifra. No existía un “factor caballo” intangible. Nadie contrataba a un percherón por su criterio, su trato con el cliente o su capacidad de leer entre líneas. Cuando la máquina lo superó en la única dimensión que ofrecía, no había reconversión posible.
Pero el humano no es escalar, es un vector con muchas dimensiones, y la inteligencia procesal - el tipo de inteligencia analítica que replica la IA - es solo una de las muchas dimensiones humanas. Y podría no ser la más relevante, si bromeamos juzgando el nivel de inteligencia que observamos a nuestro alrededor. Automatizar la tracción jubila al caballo. Automatizar la inteligencia procesal libera una dimensión del humano y deja intactas muchas otras, que resultan ser precisamente las que el mercado, cuando la primera se abarata, empieza a pagar más caras por escasas. Los economistas que han respondido a Leontief lo dicen con más frialdad: a diferencia del caballo, el humano tiene ventaja comparativa en las tareas nuevas y más complejas que la propia tecnología va creando. El caballo no podía inventarse un oficio nuevo. Nosotros llevamos siglos haciéndolo.
Y hay una asimetría última que la analogía siempre olvida: el caballo nunca fue el “para quién”. Era un input, pero no el destinatario del valor. El humano es las dos cosas a la vez, productor y receptor final de todo valor. Esa segunda condición, la de ser aquel para quien las cosas valen, es estructuralmente no automatizable. No puedes sacar al humano de la ecuación porque es el lado de la ecuación que da sentido al resto.
Eficiencia y valor: el equilibrio del millón.
Muchos debates sobre el impacto de la IA terminan enarbolando el argumento de la eficiencia máxima: todo lo que puede automatizarse se automatizará, porque el sistema capitalista elimina sin piedad lo redundante. Suena a determinismo, pero la evidencia es más terca. Las organizaciones están llenas de grasa que todos ven y nadie recorta. Y si terminan poniéndose a régimen, no lo hacen cuando la tecnología lo permite, sino cuando una crisis las obliga.
La decisión de automatizar es humana, y está mediada por inercia, cultura, miedo, políticas internas o regulaciones estatales, ... Alguien objetará que es cuestión de tiempo, que tarde o temprano el humano será descartado por ineficiente. No voy a negarlo de raíz, pero quiero tamizarlo usando la teoría del valor antes expuesta.
El progreso tecnológico y la difusión económica de las nuevas herramientas genera sufrimiento en momentos y sectores determinados de la población, al tiempo que puede generar inmenso valor a medio y largo plazo. Hay profesionales cuyo valor es, en efecto, procesal: ejecutan inteligencia que la máquina ahora replica más rápido y más barato. A ellos el mercado los expulsará y mitigar ese sufrimiento es tarea de todos. Pero las organizaciones tendrán que decidir cuándo “eficientar” genera valor y cuándo lo destruye.
En este proceso, lo que sobrevive no es “el humano” en abstracto, invocado como talismán, sino el humano que aporta al resto: el criterio que se acumula en cientos de miles de micro-aprendizajes sepultados en la memoria y que aflora como intuición; la confianza, que explica por qué a nadie lo despidieron por contratar a IBM y por qué la disposición a pagar casi se duplica cuando hay un humano al otro lado; y el vínculo, la capacidad de saber para quién vale algo y de estar ahí cuando importa.
Hace unos días ordené este debate en Cinco diques contra la automatización del trabajo del conocimiento: dos que nos hacen ganar tiempo (la lentitud con que las organizaciones adoptan la tecnología, y la economía de la sustitución) y tres que aguantan por diseño (el criterio, la confianza y la escasez).
Pero me di cuenta que estaba montando los diques defensivos sin haber escudriñado suficientemente el concepto de valor. Y sobre todo, sin destilar la idea que debe sustentar nuestra búsqueda: el valor es siempre valor PARA alguien. Como trabajadores del conocimiento, debemos salir de nuestro cubículo protector y empezar a leer matrix: ¿quién es el receptor (humano) del valor de nuestro trabajo?
En dos semanas, volvemos a tu buzón,
Fernando.
Desde Foro IA acabamos de firmar un acuerdo con Dircom para impulsar el liderazgo del dircom en la gobernanza de la IA. El primer fruto es una encuesta sobre IA generativa en Comunicación Corporativa: qué se automatiza ya, con qué resultados y qué frena a quien aún no ha empezado. Diez minutos, y el informe resultante vuelve a la comunidad.
👉🏻 Participa antes del 5 de agosto.
Actualidad.
OpenAI ha hecho tres grandes lanzamientos en una semana: GPT-5.6, su familia de modelos más potente hasta la fecha; ChatGPT Work, su respuesta a Claude Cowork; y GPT-Live, una nueva generación de modelos de voz. GPT 5.6 es más barato en comparación con modelos anteriores, y se divide en Sol, Terra y Luna, este último entrenado por el primero, un ejemplo claro de que RSI (Recursive Self-Improvement) es ya una realidad.
Algunos medios y plataformas digitales están planteándose un paso hasta ahora impensable: retirarse de Google Search para evitar que el buscador entrene gratis su IA. La caída del tráfico orgánico en los últimos años ha cambiado el cálculo financiero de los medios: USA Today o Beehiiv ya se preparan para bloquear a Google si no negocia acuerdos de pago. ADWEEK
200 economistas, investigadores y líderes teconólogicos han lanzado el manifiesto We Must Act Now: la IA podría traer en pocos años una revolución más poderosa que la Industrial. El manifiesto alerta, pero no especifica acciones. Noah Smith se muestra escéptico frente al manifiesto y dice que no firmará hasta que no haya medidas concretas. Su crítica del libro de Acemoglu, Power and Progress, explica en parte la negativa a firmar. Ksenia Se por su parte, propone medidas como crear un Post-Necessity Institute, para testear cómo gestionar un futuro de “abundancia radical”. O infraestructuras de Trabajo Público, donde la ciudadanía pueda acceder a IA avanzada de manera gratuita, evitando así la dependencia de plataformas privadas.
HubSpot ha dado marcha atrás tras la indignación de sus clientes por el uso de información para enriquecer bases de datos comerciales. La polémica estalló cuando configuró la participación como activa por defecto (opt-out), obligando a las empresas a desactivar la opción manualmente si no querían compartir la información que tanto tiempo y dinero les había costado recopilar y limpiar en sus propios CRM. LINK
“Loop” es la palabra del mes de la IA agéntica. Aquí queda bien explicada, aunque siendo un término bastante técnico, la mayoría os querréis ahorrar la explicación.
Reflexiones.
Satya Nadella plantea la paradoja de la información inversa: si antes el vendedor se arriesgaba a regalar su conocimiento para poder venderlo, hoy es el comprador de IA quien se arriesga a entregar su propiedad intelectual más valiosa (prompts, correcciones y flujos de trabajo). Para remediarlo, se debe establecer un límite de confianza estricto que impida la fuga de datos, y crear entornos de aprendizaje propios, donde los modelos se entrenen sin exponer el negocio. Así, las corporaciones podrán capitalizar la IA sin renunciar al conocimiento único que las hace competitivas.
Nathan Witkin sostiene que el problema de fiabilidad de la IA podría ser una característica permanente, lo que limitaría considerablemente su capacidad para automatizar el trabajo administrativo. Capacidad no es lo mismo que fiabilidad, y por eso no han llegado el temido apocalipsis del empleo ni el esperado auge de la productividad. LINK
Por primera vez en la historia, los humanos somos más baratos que el software. Por eso, el verdadero reto de la IA ha pasado a ser la gestión de los agentes, que incurren en procesos redundantes para corregir sus propios fallos debido a que los humanos no han definido con claridad las tareas ni el contexto. George Sivulka equipara la gestión de la IA a la dirección de una plantilla humana inexperta: es imprescindible estructurar los objetivos, establecer métricas claras de evaluación y evitar el desperdicio de capacidades. A16Z
La IA está rompiendo el modelo de negocio tradicional del conocimiento, al separar tareas (el artefacto visible, como una presentación o un código) y trabajo (el juicio, el contexto y la responsabilidad humana). McKinsey et al no han reducido sus tarifas porque aunque la IA generativa ha reducido el coste marginal de crear artefactos a casi cero, el juicio experto no pierde valor, sino que se encarece y se vuelve el recurso más escaso y cotizado del mercado. LINK
Actualmente, la industria IA atraviesa una crisis de oferta, pero ¿qué pasará cuando salgamos de ella? Hoy los laboratorios pueden fijar el precio de sus modelos, pero ¿por qué no acabarán convirtiéndose en una infraestructura básica con márgenes reducidos? BEN EVANS
Investigación.
Cada vez más gente etiqueta a chatbots como Grok en X para preguntarles si algo es cierto. Un estudio a gran escala pone números a esa práctica. Sobre casi 19 millones de mensajes enviados a Grok y Perplexity entre febrero y septiembre de 2025, cerca del 8% eran peticiones de verificación, la más común un lacónico “@grok, ¿esto es verdad?”. La precisión es regular: los bots coincidieron con los verficadores profesionales algo más de la mitad de las veces, por debajo del 64% del acuerdo que alcanzan los propios verificadores entre sí. Pero los autores ven potencial en verificar a esta velocidad y escala. LINK
Otro estudio que muestra las paradojas en la adopción de la IA: en EEUU el 96% ha probado la IA y el 86% la utiliza activamente, admitiendo que mejora su productividad y facilita su día a día. No obstante, el 51% la considera sobrevalorada y el 54% dejaría de usarla si tuviera que pagar (en otras palabras: solo usan los modelos gratuitos). Además, el 40% cree cierta la teoría del internet muerto (una web de bots para bots), lo que no quita para que utilicen unas herramientas que empobrecen su experiencia digital. HOWDY
MCX (mkt, comms y cx).
OpenAI quiere diversificar su negocio publicitario en ChatGPT mediante nuevos formatos de anuncios de texto, imagen y video, nativos, conversacionales e interactivos. Ha abierto ofertas de empleo en San Francisco (salarios entre 230.000 y 385.000 dólares anuales) para profesionales que se encargarán de diseñar la infraestructura desde cero. El gran reto técnico y estratégico será encontrar el valor para los anunciantes sin erosionar la confianza ni la utilidad de las respuestas del chatbot. DIGIDAY
Google ha implementado nuevas medidas de transparencia para identificar anuncios creados o modificados con IA generativa. Se puede consultar esta información a través de la sección “Cómo se hizo este anuncio”, en el buscador, YouTube y Discover. Los anuncios generados con herramientas de IA de Google incluirán la etiqueta de forma automática. GOOGLE
Los padres con hijos menores de 18 años confían más en la autonomía de la IA que los que no tienen hijos. El 43% autorizaría a un agente IA a realizar compras en su nombre dentro de un presupuesto límite, y delegaría la reposición automática de productos básicos del hogar, frente al 27% y 31% respectivamente de los padres sin hijos. El análisis atribuye este comportamiento a la necesidad de optimizar el tiempo en la gestión familiar. LINK
Adobe afirma que el 81 % de las marcas que utilizan una estrategia unificada de GEO/SEO están experimentando un aumento del tráfico, citando el índice de 126 millones de consultas de Semrush y el fuerte crecimiento de las referencias procedentes de la IA en las páginas web de viajes. LINK
Aún hay más…
Cómo maximizar la visibilidad IA de nuestros posts en LinkedIn, según el VP de marketing de la casa. LINKEDIN
Las inversiones en herramientas de medición no han simplificado mucho las decisiones publicitarias. Los equipos pueden recopilar más datos, pero siguen teniendo dificultades para convertir esa información en decisiones presupuestarias acertadas y en equilibrios entre canales a la hora de planificar los medios. LINK
Para quienes están creando un sitio web o una aplicación, Name That UI explica a un agente diferentes elementos de diseño visual.