Esta semana lo vi de cerca.

Una médica le preguntó a mi hija cuánto le dolía la espalda. Ella dijo cuatro punto cinco. La escala llegaba hasta cinco.

Ese es el tipo de dato que abre una revisión, que pide manos sobre una espalda.

Después vino la otra pregunta, la de qué había pasado. Mi hija contó que nos habían chocado el día anterior.

Ahí se cerró todo. Accidente de tránsito, dijo. Eso va por otra ruta, aquí no la puedo atender. Nos despachó sin revisarla, sin preguntar en qué se manifestaba ese cuatro punto cinco.

Era una cita que la póliza nos había programado. El choque había sido el día anterior y ella quedó bien, tan bien que al otro día entró al colegio y alcanzó a hacer la clase. El dolor llegó después, con esa calma tramposa de las cosas que se demoran.

Nos mandaron al centro que sí atiende accidentes de tránsito, y allá el filtro fue el contrario. Como habíamos conciliado en la vía sin que llegara la autoridad, el caso volvía a ser del consultorio que acababa de negárnoslo.

Nos devolvimos a la casa.

Manejando de vuelta me quedé pensando en ese número. Mi hija lo entregó, la médica lo recibió y supo exactamente lo que significaba. Después escogió la auditoría.

La decisión fue de una persona mirando a otra persona a los ojos, con toda la información sobre la mesa. Ahí escogió el procedimiento.

Es la misma escena que me describen en las salas de junta cuando preguntan qué pasa el día en que la inteligencia artificial empiece a decidir sola. Llevo años en esa conversación. Una empresa que automatiza un proceso donde ya nadie se detiene a mirar escala la ausencia. Lo mismo que ya pasaba, ahora más rápido y sin una cara a la cual reclamarle.

Mi hija está bien. Anoche fue un médico a la casa, la revisó y le dejó un antiinflamatorio. Hizo lo que había que hacer.

La del consultorio también hizo lo que había que hacer.

El mapa nunca falló por falta de ideas. Falló en la fila. El área de negocio tenía la necesidad, y entre la necesidad y producción había una cadena de esperas: el turno en TI, el presupuesto, el equipo de integración, la arquitectura empresarial, las pruebas. Salimos a formar profesionales enteros para atender esa fila.

En Anthropic, más del 80% del código que llegó a producción en mayo lo escribió Claude. El reporte sigue con una frase menos citada: la revisión humana se volvió el cuello de botella. La gente dejó de escribir y no alcanza a leer lo que se escribe.

Cualquiera que haya trabajado en una fábrica lo sabe. Aceleras una estación y la cola se forma en la siguiente, con otro dueño y otro nombre.

En una empresa cualquiera el flujo queda así. El líder del área define el resultado que quiere. Un agente lo persigue en ciclo: entiende la meta, usa las herramientas, produce, corrige, vuelve a empezar, leyendo y escribiendo en el ERP y el CRM sin pedir turno. Otros agentes revisan por dominio, uno mira seguridad, otro mira lo legal. Si el riesgo es bajo, el cambio sale a producción y el mismo agente se queda vigilando. Si el riesgo es alto, aparece una persona con un sello.

En el mapa viejo, la inteligencia aplicada era la última columna, el premio de la madurez. En el flujo nuevo aparece en la segunda caja. El destino del viaje se corrió al inicio, y lo que queda al final es una firma.

Contratamos manos porque hacían falta manos. Los cargos y los bonos se armaron alrededor de esa escasez. Cuando hacer cuesta minutos, la escasez se muda a quien decide qué vale la pena hacer y a quien responde si sale mal. Los mismos perfiles que formamos para la fila hacen falta ahora en los dos extremos del flujo, donde nadie los formó.

Mira tu organigrama. ¿Cuántas personas están contratadas para producir y cuántas para juzgar?

Esa proporción se va a invertir. Nadie te va a preguntar si estás listo.

El carro de atrás perdió el control. Era eléctrico, pesado, con ese torque que no perdona. El golpe fue seco.

Dos horas después seguía ahí. Seguros, fotos, gente hablando al tiempo. La agenda del día se deshizo sola mientras yo miraba el guardabarros.

Lo raro del golpe es la velocidad con la que reorganiza todo lo demás. Uno no decide reorganizarse. Uno abre los ojos y ya está en otro día.

Así llegó la inteligencia artificial a muchas empresas de la región. En la fila. Haciendo lo de siempre. Con la agenda del trimestre ya escrita.

El seguro no evita el golpe. Cubre lo que viene después, y eso ya es bastante.

Con la IA pasa igual. Nadie evitó la llegada. Lo que separa a unos de otros es quién supo leer lo que le acababa de pasar, y quién quedó mirando el guardabarros esperando que alguien le explicara.

El criterio funciona como el seguro. Se contrata antes, sirve después, y el día que lo necesitas ya no hay tiempo de ir a contratarlo.

Las cifras están bien, todas. El asunto está en las que dejaron por fuera. Los hilos cuentan que los estudiantes de pregrado se sienten reemplazables. El apéndice de donde sale esa cifra dice también que 72% de ellos considera que el MIT les dio guía adecuada sobre el uso de IA. De ese dato nadie habla.

El informe tiene un principio que se llama “be bold” y un capítulo entero de oportunidades. Proyectos de software que antes no cabían en un semestre. Estudiantes de arquitectura probando ideas más allá de su destreza para dibujarlas. Tampoco viaja en lo que se comparte.

Un detalle. El informe le pide a los profesores que declaren su propio uso de IA, y en el Apéndice A el comité declara el suyo. Ningún texto del informe salió de una IA. Usaron ChatGPT para encontrar secciones repetidas y Codex para algunas gráficas.

Esa parte se cae en el primer resumen.

Hay una segunda tentación: copiar el Apéndice B, la política de ejemplo con semáforo, y pegarla en el syllabus de otra universidad. El informe es para el MIT. Salió de meses de escucha con su propia gente, y el comité advierte que sus recomendaciones funcionan juntas. Uno de sus principios dice que ninguna regla única sirve ni siquiera dentro del campus, y que a los profesores hay que darles un marco común antes de pedirles que elijan. El menú es de ellos. Lo que viaja es la pregunta.

Hay dos informes circulando. Uno lo escribió el comité. Lee ese.

P.D. El informe completo y gratis: Report of the MIT Ad Hoc Committee on the Use of AI in Teaching, Learning, and Research Training.

La fórmula se repite y siempre llega completa. Primero el muerto: el gerente de producto, la gerencia media, el escritorio del programador (el IDE), el consultor que cobra por hora, estudiar una carrera profesional. Después el catálogo: aquí está la versión nueva de eso que acaba de morir, y la tengo yo.

Declarar la muerte cumple una función precisa. Limpia la mesa. Si lo que sabes hacer está muerto, tu experiencia deja de servirte como argumento y quedas sin piso para preguntar nada. Quien firma el certificado se queda como la única persona que sabe qué sigue. Suele tener, además, el título que declara inútil.

Ahora mira el inventario del último año.

Shopify devolvió sus aplicaciones a código nativo después de años predicando lo contrario. Hoy le sale más simple sostener un par de buenas apps que ahorrar con una híbrida.

Las empresas que premiaban quemar tokens ahora frenan el gasto y lo llaman disciplina. Los modelos abiertos volvieron a ser interesantes por una razón tan poco épica como el precio. Hay quien era fan de un modelo en enero y del rival en marzo, con la misma convicción. Hay más aplicaciones publicadas que nunca y menos que valga la pena abrir por segunda vez.

Cada una de esas posiciones tuvo defensores apasionados. Cada una los perdió en cuestión de meses.

Conseguir un buen ingeniero, mientras tanto, está más difícil que hace un año.

Los oficios casi nunca se mueren. Se vuelven más difíciles de hacer bien, que es una cosa distinta y bastante menos vendible. Saber cuándo un sistema va a romperse y escribir algo que otra persona entienda en dos años. Decidir qué no construir. Nada de eso llegó con la ola pasada ni se va con esta, y nada de eso se aprende en un fin de semana.

La moda llega primero y hace más ruido. La ingeniería se aprende despacio y todavía está ahí cuando la moda se fue.

¿Cuántas muertes te anunciaron este año, y cuántas te las anunció alguien que no tenía nada que venderte?

Dirijo un centro de futuros. Trabajo con escenarios todos los días y sé lo que cuesta escribir “va a pasar” y lo barato que sale escribir “podría pasar”.

Esta semana leí un artículo sobre IA y empleo. Perdí la cuenta de los podría.

Cada uno es un seguro. Si pasa, lo dijeron. Si no pasa, también. El que escribe queda cubierto y tú quedas igual que antes de abrir el documento.

Jugamos a las reflexiones y nos escondemos en los podría.

Tú recibes textos así cada semana. Diez páginas de escenarios y ninguna frase donde alguien apueste algo. El riesgo se queda contigo, la cobertura se la llevan ellos.

Un escenario sirve para pensar. Una apuesta sirve para decidir.

Toma el último documento que llegó a tu escritorio y busca una sola frase que su autor no pueda retirar después.

Si la encuentras, esa persona vale un café.

Lo agradecí. Y me quedé pensando por qué a mí eso se me presenta como una pérdida.

Daniel Coyle se hace una pregunta vieja: por qué el Renacimiento ocurrió en Florencia y en ese momento, si otras ciudades tenían dinero y comercio. Su respuesta son los gremios. Talleres donde un muchacho de doce años entraba a preparar superficies, luego a mezclar pigmentos, luego a mirar cómo el maestro resolvía un fresco. Miles de repeticiones con alguien al lado que ya había cometido ese error antes.

Lo mismo vio en Brasil. Sus mejores jugadores crecieron con un juego que parece fútbol metido en una cabina telefónica: cancha del tamaño de una de baloncesto, una pelota más pequeña y pesada que casi no rebota. Sin espacio ni tiempo, cada toque es una decisión bajo presión. El juego está diseñado para que cometas más errores por hora, con todos mirando.

El talento, dice Coyle, crece en lugares donde es seguro mirar, batallar y robar ideas de otros: donde el error ocurre delante de alguien.

Eso es lo que a mí me gusta de ir a una oficina. La conversación de pasillo donde alguien te cuenta cómo se equivocó ayer. La pantalla ajena que ves de reojo y te enseña un atajo que nadie te habría explicado en una llamada.

El trabajo remoto te regala tiempo y te quita eso. Para muchos es un intercambio buenísimo. Para mí, el beneficio de un trabajo es la gente con la que puedo equivocarme.

Cada quien decide qué le cuesta más caro.

¿De quién estás cerca cuando te equivocas?

Los dos llegan con letra pequeña. Uno se cobra aparte del plan. Al otro lo probé haciendo un ajuste en una de mis apps de iOS y el límite me duró minutos. Apenas empezamos a trabajar con estos modelos y ya estamos mirando cuánto nos queda.

Entiendo la molestia. Pero me quedé pensando en la cuenta que hacemos después.

Comparamos cuánto cuesta un millón de tokens, cuántos mensajes nos deja mandar. Podemos explicar con precisión cuánto cuesta pedir una respuesta. Nos cuesta más decir cuánto valió recibirla.

Pensemos en un equipo a punto de dedicarle tres semanas a una funcionalidad. El modelo revisa el problema y descubre que esa funcionalidad ya está cubierta por una herramienta que el equipo usa. Lo verifican. Tiene razón. Cambian el plan antes de empezar.

Si esa revisión cuesta treinta dólares más con el modelo caro, ¿contra qué los ponemos? ¿Contra la tarifa del otro modelo? ¿Contra las tres semanas que el equipo estaba a punto de gastar?

Medimos por token porque todavía tratamos al modelo como electricidad. Algo que se consume y se factura por unidad. Pero cuando un consultor nos ahorra tres semanas de trabajo, su tarifa por hora apenas cuenta una parte de la historia. Con el modelo tendríamos que hacer esa misma cuenta.

El precio alto por sí solo no demuestra nada. Si el modelo barato encuentra lo mismo, el gasto adicional sobra. Y que una herramienta pueda pagarse sola no significa que todos tengan cómo pagarla hoy.

Pero para quien puede elegir queda una pregunta: cuánto vale mejorar esa decisión concreta. Algunas apenas necesitan una respuesta rápida. Otras comprometen meses de trabajo.

Tratarlas como si valieran lo mismo también es una forma de desperdiciar dinero.

La factura del modelo llega con fecha y decimales; las tres semanas perdidas aparecen repartidas entre reuniones, sueldos y un proyecto que se atrasó, y nadie las junta en un solo renglón.

Sabemos cuánto costó la respuesta. Casi nunca hacemos la cuenta de cuánto costó seguir equivocados.

P.D.
Fable 5.1 salió el 1 de septiembre y Astra el 3. Las condiciones de acceso por plan están en la ayuda de Claude y en la de Codex. OpenAI dice además que Astra usa menos tokens y termina costando menos por tarea en algunas de sus evaluaciones; es un resultado de sus propias pruebas, no una garantía para cualquier trabajo.

Los urbanistas le pusieron nombre: camino de deseo. La huella que aparece donde la gente cruza, aunque la acera vaya por otro lado.

Una empresa está llena de caminos de deseo. La hoja de cálculo que reemplazó al sistema oficial porque el sistema no permite la excepción, el correo con el adjunto que va y viene entre áreas cada lunes desde hace años y que ya nadie recuerda quién empezó.

La parte difícil de automatizar nunca fue construir la herramienta. Es ver que la tarea existe. Quien la hace lleva tanto tiempo cruzando por el pasto que ya no distingue la huella del césped.

Por eso darle Claude a toda la empresa cambia tan poco. La mayoría no construye herramientas y no ve la tarea automatizable que tiene enfrente. Lo que falta es alguien que camine por la oficina y diga: esto se puede hacer distinto.

Hace unos días publicamos un manifiesto sobre unicornios, la gente que convierte la herramienta en hábito. Leyendo a Benedict Evans entiendo mejor qué hacen antes de convertir nada. Caminan la oficina mirando el pasto.

Un ejercicio: trae un problema concreto de tu semana y ponlo enfrente del modelo. Da igual lo que salga. Ya viste la huella.

El pavimento se volvió barato. Ver el camino sigue costando lo mismo.

¿Cuál llevas años pisando sin mirarlo?

P.D. El ensayo de Benedict Evans es “AI, tools and transformation”, publicado ayer. Ahí está la frase que me quedó dando vueltas: pavimentar el camino de deseo y pagarle a alguien para dejarlo en piedra.

El Manifiesto unicornio, del que hablo arriba, está aquí.

Nombres que suenan a lo que son. Máquinas hechas por ingenieros para ingenieros.

Apple suena a otra cosa. A fruta, a algo que se recoge del árbol.

Lee Clow, el publicista que acompañó a Jobs durante décadas, lo cuenta en el libro: Jobs intuía que iba a meter en la vida de la gente una tecnología que no sabían que necesitaban, y para eso el nombre tenía que ser amable antes que preciso. Sony había hecho lo mismo años antes, cuando dejó de llamarse Tokyo Tsushin Kogyo.

Hoy vuelvo a ver esa decisión. Los modelos de Anthropic se llaman Haiku, Sonnet, Opus, Fable, Mythos. Palabras que vienen de la poesía y de la música. Al lado, GPT, GLM, DeepSeek R1, Qwen: siglas y versionado de laboratorio, nombres para el que ya sabe qué hay debajo del capó. Hasta OpenAI empezó a pegarle Sol, Terra y Luna a la sigla.

No estoy diciendo que un nombre haga mejor a un modelo. Digo que un nombre revela para quién crees que estás construyendo.

Cuando le pongas nombre a lo que estás haciendo, fíjate a quién le suena.

Sueña con la cabeza en lo que todavía existe solo en papel. Camina con los pies en la operación de hoy.

Escucha antes de evangelizar. Nombra el miedo. Sin juzgarlo.

Traduce la ansiedad en curiosidad. La resistencia en conversación. La herramienta en hábito.

Haz el futuro habitable. Deseable. Posible. Cercano.

La organización cambia cuando alguien mira a otra persona y le dice: probemos juntos. Sé esa persona.

Abre caminos donde todavía hay monte.

Usa la tecnología con intención. Con oficio. A mano.

Las empresas llevan años cazando unicornios. Dejemos de cazar. Empecemos a formar.

Empieza contigo.

P.D. El unicornio es un concepto de Mauro Porcini en The Human Side of Innovation: el talento raro, casi imposible de encontrar, que las empresas siguen buscando. Con los años Porcini descubrió que su lista servía más para formar unicornios adentro que para cazarlos afuera. Aquí lo traigo al terreno de la inteligencia artificial.

Cuando nació mi hija quería que aprendiera de él una sola cosa: que la voluntad es una fuerza. Caer y seguir. Intentar, intentar, lograr.

Fallé. Se volvió fan de Batman, por la inteligencia de Bruce Wayne.

Trece años y muchos intentos míos después, HBO puso Lanterns en la pantalla. Y la vi recitar el juramento completo, como si fuera suyo.

Vamos en el episodio tres, y la serie ha preferido el misterio sobre el espectáculo: más preguntas que respuestas, casi ninguna construcción de luz verde todavía. La apuesta va por la psicología: qué pasa adentro de una persona cuando tiene que actuar aun con miedo.

El anillo no elimina el miedo. Lo revela.

El juramento, in brightest day, in blackest night, es un ancla mental. El problema es que las palabras, repetidas sin atención, dejan de cargar cualquier cosa.

Hal Jordan encarna esa contradicción todo el tiempo. Se equivoca y cae de maneras que deberían descalificarlo. Vuelve, porque su voluntad sobrevive incluso a sus peores versiones de sí mismo.

John Stewart abre otra pregunta. Sus papás lo criaron para ser un Lantern; toda su vida apuntaba a un solo destino. Ya lo habíamos visto en los pájaros: cuando tuvo la oportunidad, su subconsciente construyó uno vivo, sin pensarlo.

En la entrevista, cuando el Guardián le advierte que ese es el momento en que los candidatos preguntan por qué ellos, John responde que sabe exactamente por qué. ¿Qué pasa cuando el juramento te encuentra antes de que tú lo busques? Ahí el cómic se vuelve espejo.

Al final del episodio dos hay otra pista. Hal recita el juramento rápido, sin ceremonia, como quien respira. Otros Lanterns lo pronuncian despacio, casi reverentes. En Hal puede leerse como disciplina interiorizada (el juramento ya vive en él) o como exceso de confianza. Esa ambigüedad es parte de su carácter.

El ritmo con que alguien pronuncia su juramento cuenta mucho sobre quién es. El juramento es un foco que canaliza una voluntad ya entrenada.

Todos tenemos juramentos: misiones, valores, promesas que repetimos. El riesgo es repetirlos hasta que dejan de recordarnos algo. La épica está en no dejar que tus propias palabras se vuelvan ruido.

No sé si fue Hal Jordan o simplemente el tiempo. Pero el juramento la encontró de todas formas.

Uno de los primeros peluches que le regalé fue un Green Lantern. Todavía lo conserva.

Puede que ahora se abra un espacio.

Aprobar es un clic. Objetar exige escribir por qué, y a veces reescribir lo que uno habría hecho en su lugar. El diseño ya decidió cuál de las dos vas a elegir.

Ahí uno hace un canje sin darse cuenta. Entrega la parte de encuadrar el problema y de elegir el camino. Se queda con la de firmar.

Ethan Mollick lo dijo esta semana con una frase que me quedó sonando: si la máquina toma todas las decisiones interesantes y a las personas les dejan las aprobaciones, las excepciones y los errores, automatizamos la mitad equivocada del trabajo.

Aburrirse sería lo de menos.

El criterio se entrena decidiendo. Esa elección chiquita que parecía no pesar es la que te deja listo para la grande. Si desaparecen todas las decisiones intermedias, no perdemos solo la parte disfrutable del trabajo. Dejamos de fabricar el juicio que vamos a necesitar el día que haga falta.

Aprobar ocurre en una puerta. Construir ocurre en un taller.

Mira el último flujo que automatizaste y busca una decisión que antes tomaba alguien y hoy ya no toma nadie. No la que delegaste. La que se fue sola.

Si encuentras una, ya sabes dónde te falta taller.

P.D.
La frase es de Ethan Mollick en One Useful Thing, del 30 de agosto.

One Useful Thing

Agency and Agents

Agency is the initiative to act. Increasingly, it is going to determine what happens next with AI, and whether that is good or bad for us. But whose agency…

Read more

18 days ago · 559 likes · 51 comments · Ethan Mollick

Ciento ochenta mil pesos gastados ese año, solo en Antioquia, importando esculturas del exterior. Mármoles fríos y bronces hechos en serie. Bustos de Bolívar que eran copia de la copia de todos los Bolívares de todas las plazas de Suramérica.

Mientras tanto Rómulo Rozo y Rodrigo Arenas dibujaban avisos publicitarios por sueldo antes de irse del país. Hoy son nombres grandes de la escultura del continente.

Y señaló otra cosa. Los artistas jóvenes que alcanzaban a viajar volvían con lo que él llamó cultura de barniz. Una capa delgada recogida en los puertos de las ciudades grandes. Volvían hablando pestes de los de aquí.

En 2016 yo escribí sobre el ecosistema de Medellín. Coleccionábamos premios de ciudad más innovadora del mundo mientras empujábamos a los estudiantes a emprender antes de tener experiencia y olvidábamos a las empresas que construyeron este valle.

Hoy el barniz cambió de tema. Se llama inteligencia artificial. El experto que baja del avión con el mismo deck que ya mostró en todas las juntas de todas las capitales del continente.

Mientras tanto, la gente que está construyendo está en su computador, sin reflector, resolviendo problemas de clientes reales.

El patrón es más viejo que yo.

Mi abuelo podía hacer esa cuenta porque era artesano. Tallaba molduras y se las vendía a la Bedout para comprar el mármol. Nadie le tenía que explicar el precio de nada.

Se llamaba José Horacio Betancur. Sus esculturas siguen paradas en Medellín: la Madremonte, el Cacique Nutibara. Las pagó de su bolsillo y las regaló a la ciudad. Hasta el camión que las llevó lo pagó él.

Cuando alguien llegue con acento a decirnos cómo se hace, una sola pregunta alcanza.

Qué ha construido.

Mi primera reacción fue reírme. Nadie revisa su bandeja de salida con esa puntualidad. La disculpa era la segunda parte del guion. El error era el gancho para abrir el siguiente mensaje con la guardia baja.

Un experimento así pasa por una reunión. Alguien lo presentó con su proyección de conversión y alguien lo aprobó.

Durante mucho tiempo la imperfección fue nuestra última señal confiable de humanidad. El typo, la disculpa a destiempo. Confiábamos en la torpeza porque las máquinas todavía no sabían ser torpes.

El error premeditado falsifica esa torpeza y convierte tu confianza en una métrica. Hay un tablero midiendo cuántos respondemos mejor a la disculpa que al pitch, ajustando el guion para la próxima ronda. Es un experimento donde el sujeto eres tú.

Lo que la lámina no mostraba: cada correo que envía tu agente es también una muestra de tu producto. El experimento mide mi reacción y, de paso, exhibe cómo se comporta lo que vendes cuando nadie lo está mirando.

A mí me dio risa y un poco de pena ajena.

En fin, el experimento sigue corriendo.

Muestra manos cubiertas de arcilla dándole forma al propio Mac mini, que crece brazos y se planta en pose de fisicoculturista, flexionando. No hay render, ni nada generado por IA: solo un bloque de arcilla y alguien decidiendo, con el pulgar, dónde va cada surco.

No es la primera vez. Meses atrás hicieron lo mismo con el logo animado de Apple TV: vidrio real y luz que cambiaba de verdad, todo capturado directamente en cámara. Y antes, con el MacBook Neo, otro video de manos reales ensamblando el equipo. Siempre el mismo gesto: mostrar el proceso físico detrás del producto digital.

En los comentarios de esta semana hay dos bandos. Uno sospecha que el detrás de cámaras también se hizo con IA. El otro respira aliviado: al menos esto sí es real.

Los dos tienen algo de razón. Hoy una IA ya sabe imitar la textura de una arcilla, hasta el temblor de una mano sosteniendo la cámara. La técnica casi cerró la distancia.

La textura se deja copiar. El surco no: por qué ese y no otro, por qué ahí y no un centímetro más allá. Eso es criterio, y no sale de promediar millones de videos de referencia.

Apple decidió vender su máquina más pensada para inteligencia artificial mostrando, con las manos, todo lo que esa misma inteligencia artificial todavía no sabe hacer.

Nosotros hacemos algo parecido cada vez que usamos estas herramientas. La IA puede escribir el párrafo o generar la imagen en segundos. Lo que no puede hacer es decidir por qué ese párrafo y no el genérico que hubiera salido con el mismo prompt.

Esa decisión sigue siendo tuya.

La pregunta es si todavía la estás tomando, o si ya se la delegaste al promedio.

P.D. La señal, para quien la quiera seguir.

l detrás de cámaras con la arcilla está en Instagram, en la cuenta oficial de Apple (@helloapple):

El comercial completo del Mac mini está en YouTube:

Y la versión larga de este análisis, con los tres precedentes y las fuentes completas, quedó publicada en Colombiamug

Cambias de salón. El tablero nuevo está impecable y de repente todo se ve más claro.

No fuiste tú el que mejoró.

Con la IA lo hacemos cada semana. Alguien quema tokens todo un fin de semana con un modelo, se estrella, se pasa a otro con rabia. El nuevo brilla. Primer prompt, magia. La conclusión llega sola: este sí sirve.

Lo que cambió no fue el modelo. Fue la sesión.

Arrancaste con una ventana vacía. Sin el archivo a medias que nadie se atrevió a botar. Sin el “no, hazlo así” que sigue vivo allá atrás, contradiciendo en silencio lo que acabas de pedir. Sin tu propio cansancio metido en la forma de preguntar.

Todo eso sigue ahí porque el modelo no guarda nada entre mensajes. Cada vez que le escribes, se le reenvía la conversación entera, desde el primer prompt hasta el último. El “hazlo así” de hace rato y el “mejor no” de ahora viajan juntos, en el mismo paquete, porque nadie borra nada, se escribe encima.

Al modelo nuevo le diste un problema limpio y una cabeza despejada. Al anterior le dejaste el reguero.

Así cualquiera gana.

La prueba honesta es aburrida: dale al modelo viejo una sesión limpia. O dale al nuevo tu contexto sucio de tres horas.

Uno de los dos experimentos te va a quitar la razón.

Equivocarse en esa comparación sale barato, lo caro viene después. Cada migración reinicia tu curva. El criterio que estabas construyendo, saber dónde se cae y qué tanto confiarle, se queda en la herramienta que abandonaste. Unas semanas más tarde vuelves a chocar contra lo mismo, porque el problema nunca fue la herramienta.

Cambiar de salón se siente como avanzar. Borrar el tablero se siente como retroceso.

Casi siempre es al revés.

P.D. Anthropic acaba de hacer esto con su propio tablero: quitaron más del 80% del prompt de sistema de Claude Code y no perdieron nada medible. Lo cuenta Thariq Shihipar aquí:

Entre las ideas que traía para hoy (una cita falsa que circula en LinkedIn, el tráfico de las seis de la mañana) me quedé con esta: dos cuentos suyos que funcionan como espejos exactos de lo que hoy llamamos IA.

El primero es Pierre Menard, autor del Quijote. Menard reescribe el Quijote entero, palabra por palabra, letra por letra. El texto que produce es idéntico al de Cervantes. Sin embargo, para Borges, es un libro completamente distinto. Más rico. Porque Menard llegó a esas palabras por un camino distinto, con un criterio distinto detrás.

Lo escribió antes de que existiera la primera computadora. Dos textos pueden ser indistinguibles en la superficie. Lo que los separa no es la palabra: es lo que hay detrás de la palabra. Ese es el problema real del contenido generado por IA hoy. El output puede ser perfecto y seguir estando vacío, porque falta el recorrido que le da sentido.

El segundo espejo es más melancólico: Funes el memorioso. Un hombre que después de un accidente lo recuerda todo, sin excepción, y por eso mismo no puede pensar.

Pensar es olvidar lo irrelevante. Es tener criterio sobre qué guardar y qué soltar.

Se nota en el Second Brain que medio internet está construyendo ahora con Claude o ChatGPT: cada nota, cada reunión, guardada para no perder nada. El archivo crece. La memoria es perfecta. Pero nadie decide qué de todo eso merece volver a la superficie.

Ahí está la otra cara: la herramienta que todo lo recuerda no reemplaza al que sabe qué merece ser recordado.

No tienes que elegir entre ser Menard o ser Funes.

Puedes ser los dos en la misma tarde: output vacío sin recorrido detrás, memoria completa sin criterio que lo filtre.

La pregunta no es cuál de los dos eres.

Es si puedes notarlo mientras trabajas.

Alguien del equipo tuvo que ponerse frente a la cámara.

Cincuenta tomas de un solo video, y entre más tomas, peor quedaba. Terminó colapsando.

Nada de lo que decía era falso. Pero ahora tenía que lograrlo.

Ese es el punto ciego del consejo que circula en todas las juntas directivas ahora mismo. La máquina produce infinito, entonces lo humano es el diferencial. Suena bien, y probablemente sea cierto. Pero convierte una manera de estar en un entregable, y los entregables se revisan hasta que quedan bien.

Se repite la toma hasta que quede, y para entonces ya se perdió lo que había al comienzo.

Lo notamos como consumidores sin poder explicarlo. Una persona que nos habla mientras calcula el efecto que produce. Nada suena mentiroso, pero hay un cálculo corriendo por debajo y el ritmo lo delata.

Las marcas que anuncian que van a ser auténticas ya perdieron algo en el anuncio.

Quizás la única salida sea dejar de perseguirla. Ocuparse de tener algo real que decir, y decirlo sin mirar cómo queda.

La autenticidad llega de reojo, mientras uno anda ocupado en otra cosa.

P.D. La escena de las cincuenta tomas está en un video donde David Fragomeni documenta cómo está reconstruyendo su marca frente a la IA. Vale la pena verlo completo, porque él llega a una conclusión distinta a la mía:

Fue por un video que publicamos en Imaginar Futuros, donde conté el origen del diseño de futuros. Lo venía preparando para una clase de Diseño de Futuros. La corrección tenía razón. Y lo que había debajo era una historia mejor que la que yo conté.

Porque ‘diseño de futuros’ suena a antier. A palabra de taller de innovación. Es la traducción de ‘Design Futures’. Hay quien dice que debería ser ‘futuros de diseño’, pero se popularizó al revés. Y viene de una disciplina más grande: los Estudios de Futuros.

Esos empiezan entre los cuarenta y los sesenta, en el cruce entre lo militar, lo empresarial y lo académico. Ninguno de los tres se quedó con el mando, y de ahí viene la riqueza de métodos que todavía se nota.

En Estados Unidos, RAND. Nacida en 1946 de un contrato militar que firmó el brazo aéreo del ejército, cuando la USAF todavía no existía como fuerza independiente. Autónoma desde 1948. Modelos cuantitativos y simulaciones, para decidir bajo mucha incertidumbre. Ahí nació el método de escenarios, de la mano de Herman Kahn.

En Francia pasaba otra cosa. Gaston Berger era filósofo, formado en fenomenología, y en 1957 recuperó la palabra ‘prospective’ y fundó un centro para estudiarla. Su pregunta no era cómo decidir mejor. Era cómo construir un futuro colectivo que no repitiera errores como el nazismo o el fascismo. Por eso el peso que le daban a educar a las nuevas generaciones.

Es tentador contarlo como dos tradiciones que corren separadas. Así lo conté yo. Y la corrección apuntaba justo ahí: Kahn dejó RAND en 1961 y fundó el Hudson Institute, y fue allá donde Pierre Wack y Ted Newland, los de Shell, entraron en contacto directo con sus escenarios. Wack venía de Shell France, y lo que hizo fue una síntesis propia. Oxford lo dice sin rodeos: su llegada juntó aspectos del enfoque francés y del americano en una combinación muy potente.

Las dos tradiciones no se separaron para siempre. Se cruzaron, y de ese cruce salió el ejercicio que hoy todo el mundo cita: el reporte de Shell que en 1972 anticipó la crisis energética.

En algún punto pasó lo importante: los Estudios de Futuros dejaron de intentar predecir. Empezaron a explorar futuros alternativos, deseables, posibles.

Por eso hablamos de futuros, en plural. No es un capricho del idioma. Como dice Jim Dator, el futuro en singular no existe: existen señales, en el presente, de los muchos futuros que se podrían materializar.

El diseño de futuros nace justo ahí, del matrimonio entre esos estudios y el diseño como práctica.

Es joven. Pero carga setenta años detrás.

Las dos preguntas siguen vivas. Hay ejercicios de futuros que vienen de la que quiere anticipar el golpe, y otros que vienen de la que pregunta qué futuro merecemos. Los mejores, como el de Wack, cargan las dos.

¿En cuál de las dos estamos parados cuando decimos que diseñamos futuros?

La señal, en datos

Todas las fechas de arriba se verificaron contra fuente el 11 de agosto de 2026, y la cadena Kahn/Wack se re-verificó el 20 de agosto tras una corrección que me hicieron en LinkedIn.

Project RAND nació en 1946 por contrato de las Army Air Forces de Estados Unidos con Douglas Aircraft. La USAF aún no existía como fuerza independiente: se creó el 18 de septiembre de 1947, con el National Security Act. RAND se separó y se incorporó como corporación independiente sin ánimo de lucro el 14 de mayo de 1948, con capital inicial de la Fundación Ford. Financiación pública, forma privada.

rand.org · Air Force Historical Foundation

De RAND a Shell, la cadena completa. Herman Kahn desarrolló el método de escenarios en RAND, pero dejó RAND en 1961 y fundó el Hudson Institute; allí Pierre Wack y Ted Newland, de Shell, participaron en un ejercicio experimental de escenarios dirigido por Kahn, con horizonte al año 2000, para poner a prueba la idea del crecimiento indefinido. Wack, que venía de Shell France, no trasladó el método: lo sintetizó. Oxford Futures lo dice así: “The hiring of Pierre Wack from Shell France into Group Planning brought together aspects of the French and of the American approaches into a very potent combination.” El reporte que anticipó la crisis energética llegó a la dirección en 1972.

Oxford Futures · “Ghost in a Shell”, Business History Review (estudio basado en los archivos de Shell) · “40 Years of Shell Scenarios”

Las fuentes discrepan sobre cuándo se creó Group Planning (1959 en Polytechnique Insights, 1964 en otras). Por eso el texto no usa esa fecha.

Gaston Berger, filósofo formado en fenomenología, reintrodujo el término ‘prospective’ en un artículo de 1957 en la Revue des deux mondes y fundó ese mismo año el Centre International de Prospective. Murió el 13 de noviembre de 1960 en un accidente de carro en Longjumeau. Bertrand de Jouvenel recogió la veta hacia 1960 y recuperó ‘futuribles’, una palabra con raíces en la escolástica de Luis de Molina.

Futuribles

Un apunte de precisión, por si alguien repite el dato: el diseño de futuros no tiene setenta años. Los tiene su disciplina madre. El cruce con diseño es reciente: la que suele señalarse como la primera tesis doctoral sobre esa intersección es la de Stuart Candy, The Futures of Everyday Life, Universidad de Hawái en Mānoa, 2010, dirigida por Jim Dator.

Y una precisión sobre el propio Berger: no estaba proponiendo una práctica de diseño. En Sciences humaines et prévision describe una colaboración entre filósofos atentos a los fines y a los valores, y especialistas que conocen las técnicas de su campo. Leerlo como antecesor del diseño de futuros es un anacronismo.