Procesar un millón de conversaciones con un modelo de lenguaje costaba setenta y cinco mil dólares hace un año. Con modelos pequeños especializados, hoy cuesta menos de ochocientos. Entrenar un modelo competitivo pasó a ser viable. Analizar, sintetizar, modelar, redactar, diagnosticar: todo lo que una organización pagaba caro porque requería experiencia y especialización está colapsando en precio. Misma dinámica que la revolución industrial aplicó al trabajo mecánico. Solo que ahora le toca al trabajo intelectual.
El cuello de botella ahora no es poder adquisitivo será criterio sobre la decisión. Estará en saber qué vale la pena procesar.
Cuando pensar era caro, explorar era un lujo. Solo los equipos con presupuesto podían permitirse modelar escenarios, investigar campos adyacentes, probar hipótesis antes de comprometer recursos. La planificación estratégica era un ejercicio reservado a quienes podían tener los equpos dedicados a pensar y otros a ejecutar. Hoy cualquiera con acceso a un agente puede investigar una industria en horas, simular escenarios financieros en minutos, generar un análisis competitivo que antes tomaba semanas.
La diferencia ya no está en quién analiza mejor sino en quién pregunta mejor. No en quién genera más escenarios sino en quién sabe cuáles descartar. No en quién modela más rápido sino en quién define las restricciones correctas antes de correr el modelo. Un agente investiga y procesoa cien versiones sobre resiliencia organizacional en minutos. Pero cuáles de esas opciones contiene la idea que redefine tu problema, eso solo lo propone el agente y el costo de la ejeución sigue siendo humano. Lo decide quien sabe qué busca; requiere haber buscado mal suficientes veces como para reconocer cuándo estás buscando bien. Eso es criterio. Y el criterio no se descarga.
Toda ventaja es replicable. El beneficio se concibe desde operar donde se hacen las fricciones, donde se forman las intersecciones ante lo que deja de ser posible en los marcos previamente establecidos. Lo que la IA hizo fue eliminar una capa entera de incertidumbre, la que venía de no poder procesar suficiente información, y dejar expuesta la capa que siempre fue la que importó: saber qué hacer con lo que sabes.
En 2008, mientras la industria automotriz entera reducía producción y en algunos casos se declaraba en bancarrota, Hyundai analizó qué frenaba a los compradores y descubrió que era el miedo a quedar atados a un crédito después de perder el empleo. Desde ese conocimiento lanzaron Hyundai Assurance: compra un auto y si pierdes tu trabajo, te lo recompramos sin afectar tu historial crediticio. A las semanas tenían un anuncio en el Super Bowl. Las ventas despegaron.
Hyundai no tenía más o mejor información que GM o Ford. Tenía mejor criterio sobre qué hacer con la misma información. La incertidumbre era idéntica para todos. La capacidad de leerla como oportunidad fue lo que diferenció. Eso no sale de un modelo. Sale de alguien que ha visto suficiente como para reconocer que el miedo del consumidor no es un problema sino una pregunta sin responder. Osadía de por medio y tomaron posición.
Lo que me parece fascinante del momento actual es que desde los agentes de IA y sus aplicaciones te puedes permitir una familiaridad somera con campos diversos. Una persona que no sabe nada de genómica puede, en una tarde, entender lo suficiente como para formular preguntas inteligentes sobre genómica que les lleve en el tiempo a formular una solución más compleja. No se convierte en genetista. Se convierte en alguien con rango. Con la amplitud para ver conexiones entre dominios que un especialista puro no ve. Es la visión de polímata que he discutido antes, ahora accesible para quien tenga curiosidad y sepa qué hacer con lo que encuentra.
El acceso a la información ya no limita la capacidad de asombrarse. Lo que la limita es saber discernir entre lo que encuentras para establecer parámetros útiles. Mil simulaciones que parten de premisas defectuosas no producen mejor estrategia. Producen más confirmación del mismo error. Lo que determina el valor del experimento no es el modelo sino las restricciones que le impones. Y definir restricciones es un acto de juicio, no de procesamiento.
Aristóteles distinguía entre techne, la habilidad para producir, y phronesis, la sabiduría para decidir qué vale la pena producir. La IA es la mayor expansión de techne en la historia. Pero decidir qué pedirle sigue siendo phronesis; sigue siendo humano; sigue siendo escaso.
Vamos a retomar a los sabios de la antiguedad, habrá que reaprender de filosofía, el arte del pensar como pensar para desarrollar el criterio que se forma de confrontar, y se paga con la única moneda que no se devalúa: experiencia desde el dominio.
