La proletarización cognitiva... La expropiación del conocimiento de la clase profesional por la Inteligencia Artificial ha comenzado y es alarmante... En computación y administración, donde la capacidad supera el 90%, los modelos no están «asistiendo» al trabajador; están extrayendo la lógica operativa de su función para sustituir la masa salarial... los perfiles con estudios de posgrado son cuatro veces más propensos a ubicarse en el tramo de máxima exposición que los roles manuales... La IA ejecuta una subsunción real del trabajo intelectual: Programadores de Computadoras: ~74.5% de saber expropiado... Servicio al Cliente: ~70.1% de saber expropiado... Registros Médicos: ~66.7% de saber expropiado... Analistas Financieros: ~57.2% de saber expropiado... El «desempleo masivo» no aparece en las estadísticas tradicionales porque el impacto inicial no es (aún) la cesantía, sino la devaluación del valor de la hora de trabajo... El profesional no es despedido de inmediato; es degradado a la condición de corrector precarizado del algoritmo que lo reemplazará. Con ello, se consolida una tendencia hacia una gran masa de graduados hipertitulados pero estructuralmente excluidos de la estructura formal de ingresos y derechos... El debate del siglo XXI no es ni debe ser sobre cuántos empleos destruirá la tecnología, sino quiénes serán y cuáles son los límites que las sociedades puedan construir a tiempo a los dueños de las infraestructuras que programen el trabajo humano... La respuesta no puede limitarse a esquemas de contención como la Renta Básica; exige discutir la propiedad social del software, la fiscalidad al capital algorítmico y la soberanía sobre la infraestructura de cómputo

" LA PROLETARIZACIÓN COGNITIVA

Un nuevo informe de Anthropic ha dado dimensión a las amenazas de la IA sobre la actividad intelectual. La presión sobre la base productiva ya no es la única; la expropiación del conocimiento de la clase profesional ha comenzado y es alarmante:

1/ La fase de captura: Expropiación de capital cognitivo

La distancia entre la capacidad teórica (área azul) y la ejecución real (área roja) no refleja una «adopción lenta»; muestra la fase de acumulación primitiva de datos: el porcentaje de saber experto que las corporaciones ya han logrado privatizar e indexar.

En computación y administración, donde la capacidad supera el 90%, los modelos no están «asistiendo» al trabajador; están extrayendo la lógica operativa de su función para sustituir la masa salarial por renta de cómputo.

2/ La descalificación del trabajo de «cuello blanco»

La ilusión del refugio meritocrático se ha derrumbado: los perfiles con estudios de posgrado son cuatro veces más propensos a ubicarse en el tramo de máxima exposición que los roles manuales.

La IA ejecuta una subsunción real del trabajo intelectual:

-Programadores de Computadoras: ~74.5% de saber expropiado

-Servicio al Cliente: ~70.1% de saber expropiado

-Entrada de Datos: ~67.1% de saber expropiado

-Registros Médicos: ~66.7% de saber expropiado

-Analistas Financieros: ~57.2% de saber expropiado

3/ Degradación de la renta y precarización de plataforma

El «desempleo masivo» no aparece en las estadísticas tradicionales porque el impacto inicial no es (aún) la cesantía, sino la devaluación del valor de la hora de trabajo.

El profesional no es despedido de inmediato; es degradado a la condición de corrector precarizado del algoritmo que lo reemplazará. No hay estabilidad y esto no es una sensación: hay una reconfiguración de facto hacia una economía de gig economy de alta cualificación.

4/ El tapiado generacional de la reproducción social

El bloqueo en las tasas de contratación de jóvenes (22-25 años) en sectores expuestos corta la transmisión del saber técnico. Al eliminar los puestos de entrada (entry-level), las corporaciones han destruido (y destruirán más) las vías y las escalas de ascenso social.

Con ello, se consolida una tendencia hacia una gran masa de graduados hipertitulados pero estructuralmente excluidos de la estructura formal de ingresos y derechos.

5/ Tecnofeudalismo y pérdida de soberanía estatal

La contracción de rentas altas erosiona los ingresos impositivos, pero el riesgo de fondo no es meramente fiscal: es de gobernanza.

Si la infraestructura cognitiva de la economía y la administración pública pasa a depender de clústeres privados de cómputo, el Estado pierde autonomía política.

6/ Este es el punto crítico

La respuesta no puede limitarse a esquemas de contención como la Renta Básica; exige discutir la propiedad social del software, la fiscalidad al capital algorítmico y la soberanía sobre la infraestructura de cómputo.

El debate del siglo XXI no es ni debe ser sobre cuántos empleos destruirá la tecnología, sino quiénes serán y cuáles son los límites que las sociedades puedan construir a tiempo a los dueños de las infraestructuras que programen el trabajo humano.

 Fuente: Comentario en X.

Informe completo: anthropic.com/research/labor"

(Sociología Crítica, 03/09/26) 

Branko Milanovic: ¿Cómo sería la nueva distribución del ingreso en una sociedad con una presencia masiva de la inteligencia artificial? Aparecería una sociedad de cuatro clases. En la base está la población excedente, el lumpemproletariado o los ilotas ociosos sin empleo y sin nada que hacer. Habría que mantenerlos tranquilos y dóciles mediante la distribución de pan y circo. Pan y circo en el caso moderno significa, obviamente, algún tipo de prestación mínima por desempleo vitalicia y la transmisión continua de entretenimiento de bajo coste las 24 horas del día, los 7 días de la semana... Luego habría una clase trabajadora del sector servicios relativamente numerosa, empleada en áreas que (aún) no pueden ser reemplazadas por la IA. Subsistirían con salarios bajos o moderados, y vivirían permanentemente bajo la amenaza de ser reemplazados por la IA y descender así al lumpemproletariado... La tercera clase son las personas que combinarían, como lo hacen ahora, altos ingresos de capital y altos ingresos laborales. Incluso si actualmente no poseen acciones en nuevas empresas, sus altos ingresos laborales, así como sus elevados ingresos de capital, les permiten ampliar su participación accionarial en los sectores más rentables y, así, no solo conservar su posición, sino mejorarla... Finalmente, en la cima de la pirámide de ingresos estarían personas extraordinariamente ricas como las que ya vemos ahora. Puede que no sean solo cinco, seis o diez plutócratas extremos, sino posiblemente miles de personas con una riqueza extraordinaria... Tal pirámide social se parecería a las pirámides de las sociedades preindustriales que no lograron crear clases medias suficientemente amplias. El esbozo se aplica, por supuesto, solo a las sociedades más avanzadas y ricas. Otras sociedades —menos avanzadas en términos de IA— podrían conservar una estructura social y de clases más familiar... Lo interesante podría ser que las sociedades más avanzadas y ricas carecieran de clase media y fueran políticamente más turbulentas que las sociedades menos avanzadas

"Esbozando el nuevo mundo distópico-utópico con la presencia masiva de la inteligencia artificial 

Una sociedad de cuatro clases (una lectura extensa)  

El despliegue masivo de la inteligencia artificial (IA) sitúa a los economistas ante una situación quizás única en las últimas cinco o seis décadas. La inteligencia artificial es una tecnología de uso general y sus efectos son, desde la perspectiva actual, bastante difíciles o incluso imposibles de predecir. Si uno se pregunta si habrá un aumento del desempleo debido a la introducción de la IA, no tiene sentido consultar a economistas laborales. Los economistas laborales podrían ser capaces de responder preguntas como si una tecnología específica provocaría desempleo o si el aumento del salario mínimo dejaría a algunas personas sin trabajo, pero no pueden abordar la cuestión de los efectos de una nueva tecnología de uso general, porque tanto el alcance de la aplicación de dicha tecnología como sus efectos sobre la demanda de trabajo son simplemente desconocidos. La nueva tecnología de uso general podría, como la electricidad, integrarse en el 90% de las actividades, o podría fracasar, y las esperanzas, y los temores, que albergamos respecto a la inteligencia artificial podrían verse defraudados.

Esto exige, entonces, no buscar respuestas concretas —las cuales creo que en esta etapa son imposibles de formular—, sino definir un conjunto significativo de preguntas sobre el posible efecto de la IA y luego esbozar el nuevo mundo que podría producir.

La primera pregunta significativa es si la IA conduciría a un aumento de la producción total o mantendría la producción total más o menos igual, pero reconfigurando los roles de las máquinas (incluida la propia inteligencia artificial, que puede considerarse una máquina) y el trabajo vivo. En otras palabras, si la IA sería una tecnología que aumenta la producción o una tecnología que desplaza factores, lo que significa que sustituye capital por trabajo vivo, pero no conduce a la producción de muchos bienes y servicios nuevos, ni al aumento de la producción de los bienes y servicios ya existentes. Yo he dictado la mayor parte de este ensayo; no lo he escrito como suelo hacer en Word, ni lo he manuscrito como hacía hace veinte años. Pero en este ejemplo, ni la tecnología de procesamiento de textos ni el dictado por máquina me han hecho producir más ensayos. Probablemente hubo alguna mejora en la productividad, en el sentido de que se produjo un ensayo legible en menos tiempo, pero poco más. Sin embargo, la tecnología de uso general de la revolución de la información ha hecho que este ensayo sea mucho más accesible para muchas personas. En ese sentido, hubo un aumento del bienestar general (asumiendo que leer este Substack no produce enfado e infelicidad en muchos de sus lectores).

La segunda pregunta, relacionada, es si la IA conduciría a un aumento de la productividad, definida como producción por unidad de trabajo vivo. Ahí, como sugiere tanto el sentido común de la sustitución de trabajo por IA como el ejemplo anterior, podemos asumir con relativa seguridad que la IA aumentaría la producción por unidad de trabajo vivo. Y en algunos casos, de manera drástica. Para no llegar a esta conclusión, tendríamos que asumir que la producción total se reduciría con la aplicación de la IA en la misma medida en que se espera que se reduzca el uso de trabajo vivo. Esto parece de lo más irrealista. En consecuencia, la ratio entre producción total y trabajo vivo total, podemos predecir con seguridad, aumentaría.

La tercera cuestión es si la IA crearía una población excedente significativa. Prefiero usar el término población excedente a un término más neutro como mayor desempleo, porque refleja mejor lo que pueden ser los efectos de una tecnología de uso general. Podría crear personas que son básicamente inempleables y cuyas habilidades pertenecen a una era ya superada. Pueden ser habilidades y conocimientos que el despliegue de la IA vuelve completamente redundantes, o personas cuyas habilidades requieren un "reentrenamiento" para las necesidades de una nueva economía que llevaría cinco o más años. En cualquier caso, dichas personas constituyen, a medio y largo plazo, una población excedente. Si la población excedente se vuelve grande, alcanzando, por ejemplo, el 15 o 20 por ciento de la fuerza laboral, crearía problemas políticos. La cuestión será entonces cómo resolver este problema político. Podría abordarse dentro del sistema existente de prestaciones por desempleo, con la salvedad de que, en el caso de la población excedente, las prestaciones podrían extenderse durante años en lugar de los seis o nueve meses actuales. O, como muchos sostienen, mediante una renta universal garantizada. Ambas soluciones requerirían un cambio en la organización y financiación del sistema de bienestar. Tendríamos que aceptar la posibilidad de personas que nunca trabajarían durante su vida o que trabajarían muy poco tiempo en ocupaciones subalternas.

Sin embargo, las transferencias monetarias no eliminan el problema político de una gran población excedente. Sería ingenuo creer que simplemente dar dinero a la gente para sobrevivir la haría feliz. La población excedente podría crear un grupo permanente de descontentos políticamente difíciles de manejar, una población maleable, lista para ser explotada y utilizada por operadores políticos. La mera presencia de un gran grupo de personas sin nada que hacer y con mucho tiempo libre para tramar rebeliones sería en sí misma políticamente desestabilizadora.

La siguiente cuestión es la de los beneficios. Muy pocos dudan de que la cantidad total de beneficios, cuando la IA se despliegue, aumentaría. La IA es como cualquier otro capital, y las personas que posean la IA ganarán dinero, por supuesto. Se volverán más ricos. En algunos casos, podrían volverse extraordinariamente ricos y ganar una enorme influencia política. Esa enorme riqueza y poder político de unos pocos, combinados con la existencia de una gran población excedente, crearía un cóctel político sumamente peligroso. No es necesariamente cierto que los nuevos tecnoseñores actuarían siempre como una clase. Algunos de ellos podrían albergar ambiciones de liderar el ejército de descontentos y desplazar a otros tecnoseñores de sus posiciones. La caída de la República romana ofrece un precedente histórico; la lucha entre diferentes clanes oligárquicos en la Rusia poscomunista, otro.

Pero aquí mi pregunta es si la tasa de beneficio subiría o no. La mayor masa de beneficios debida a la IA no se traduce necesariamente en una tasa general de beneficio más alta, porque la cantidad de capital nuevo que se invertiría en IA podría ser tan alta que supere el aumento de la cantidad total de beneficios. En otras palabras, la ratio beneficio/capital (π/K) podría disminuir. Podríamos enfrentar así lo que, a primera vista, parece una situación paradójica: la tasa media de beneficio en una economía donde se despliega la IA podría bajar. Pero existen fuerzas compensatorias. La destrucción creativa schumpeteriana provocada por la IA podría destruir el valor de mucho capital que ya no sería utilizable. Para el capital, la IA hará así lo mismo que hizo con el trabajo: crear un capital excedente del mismo modo que habrá creado trabajo excedente. Dicho capital excedente ya no entra en el cálculo de la tasa media de beneficio; el denominador K en el cálculo de la tasa de beneficio se reduciría y la tasa media de beneficio podría subir. Pero nótese que la destrucción creativa que mantiene la tasa de beneficio en un nivel alto implica grandes pérdidas de capital para quienes poseen el capital "equivocado". Así, los descontentos pueden no ser solo los trabajadores inempleables, sino también antiguos capitalistas ahora pauperizados.

¿Qué obtenemos al juntar todo esto? Habría casi con certeza un aumento de la participación de la renta nacional que va a los propietarios del capital, porque la cantidad de capital empleado habría aumentado y la tasa media de beneficio habría permanecido más o menos igual. La participación del trabajo disminuiría. Dado que la mayor parte del capital, como sabemos empíricamente, está en manos de personas en los rangos superiores de la distribución del ingreso, la creciente participación del capital exacerbaría la desigualdad de ingreso y riqueza. Esto también es probable, pero no seguro. Las nuevas tecnologías de tal magnitud podrían, de hecho, aumentar la renta del capital no solo en la cima, entre los actuales propietarios del capital, sino también entre aquellos que están en la mitad de la distribución de la riqueza. En ese caso, resulta menos evidente que la creciente participación del capital impulse por sí misma necesariamente la desigualdad de ingresos al alza.

Pero hay un segundo elemento que sin duda empujaría la desigualdad al alza: la población excedente, cuyos nuevos pagos garantizados por el Estado serían mucho más bajos que sus antiguos salarios.

Finalmente, llegamos a la pregunta clave, que es en realidad una cuestión social: ¿cómo sería la nueva distribución del ingreso? Sería una sociedad tetra, es decir, una sociedad compuesta por cuatro clases. En la base está la población excedente, el lumpemproletariado o los ilotas ociosos sin empleo y sin nada que hacer. Habría que mantenerlos tranquilos y dóciles mediante la distribución de pan y circo. Pan y circo en el caso moderno significa, obviamente, algún tipo de prestación mínima por desempleo vitalicia y la transmisión continua de entretenimiento de bajo coste las 24 horas del día, los 7 días de la semana.

Luego habría una clase trabajadora del sector servicios relativamente numerosa, empleada en áreas que (aún) no pueden ser reemplazadas por la IA. Subsistirían con salarios bajos o moderados, y vivirían permanentemente bajo la amenaza de ser reemplazados por la IA y descender así al lumpemproletariado.

La tercera clase son las personas que combinarían, como lo hacen ahora, altos ingresos de capital y altos ingresos laborales. Esto es lo que he denominado la clase homoplútica, que actualmente representa alrededor del 3% de la población estadounidense: personas que están a la vez entre el 10% superior de los capitalistas y el 10% superior de los asalariados. Ese grupo particular podría aumentar de tamaño. Incluso si actualmente no poseen acciones en nuevas empresas, sus altos ingresos laborales, así como sus elevados ingresos de capital, les permiten ampliar su participación accionarial en los sectores más rentables y, así, no solo conservar su posición, sino mejorarla y aumentar el círculo de personas homoplúticas.

Finalmente, en la cima de la pirámide de ingresos estarían personas extraordinariamente ricas como las que ya vemos ahora. Puede que no sean solo cinco, seis o diez plutócratas extremos, sino posiblemente miles de personas con una riqueza extraordinaria.

Tal pirámide social se parecería, tanto por el acusado aumento de los ingresos al ascender hacia la cima como por el aplanamiento de los ingresos entre los muchos situados en la base, a las pirámides de las sociedades preindustriales que no lograron crear clases medias suficientemente amplias. El esbozo se aplica, por supuesto, solo a las sociedades más avanzadas y ricas. Otras sociedades —menos avanzadas en términos de IA— podrían conservar una estructura social y de clases más familiar.

Lo interesante podría ser que las sociedades más avanzadas y ricas carecieran de clase media y fueran políticamente más turbulentas que las sociedades menos avanzadas. Uno de los dogmas del siglo XX era que el desarrollo (mayor ingreso global) y la educación crean una clase media fuerte que es, a su vez, garante de estabilidad política. Pero quizás ese dogma fue cierto solo para un tipo particular de sociedades industrializadas fordistas, pero no en general para las sociedades con un alto ingreso global.

Lo que en principio podría llamarse clase media en sociedades con mucha IA serían los trabajadores del sector servicios que no han sido desplazados por la inteligencia artificial. Sin embargo, no pueden ser considerados plenamente como una clase media porque sus ingresos son relativamente bajos comparados con los ingresos de las dos clases superiores de individuos homoplúticos y tecnoseñores, y su posición es precaria al estar en constante peligro de caer y reincorporarse al lumpemproletariado.

Hay pocas dudas de que una sociedad así, tal como la hemos esbozado, mostraría fuertes características distópicas. La promesa utópica de máquinas que realizan gran parte del trabajo actualmente hecho por humanos, permitiéndonos disfrutar de tiempo libre y ocio, resultaría en realidad en la producción de sociedades socialmente extremadamente desiguales y políticamente mucho más inestables de lo que los actuales defensores de la abundancia creada por la inteligencia artificial quieren hacernos creer." 

(Branko Milanovic , blog, 20/07/26, traducción Deep Seek, gráfico en el original) 

Escribí al director del periódico: Una IA propia para los lectores del periódico. Imagino una versión de Claude que tuviera acceso a todos los contenidos del periódico. Y que, naturalmente, solo pudiera usarse estando suscrito al periódico. Es decir, que añadiera a su inteligencia global la inteligencia local de El Mundo —incluida su hemeroteca— evitando lógicamente que los contenidos de El Mundo salieran al exterior, por así decirlo... Sería algo verdaderamente extraordinario leer el periódico cada día conversándolo con una IA (Arcadi Espada)

"Escribí al director del periódico:

Una IA propia para los lectores de El Mundo. Imagino una versión de Claude que tuviera acceso a todos los contenidos del periódico. Y que, naturalmente, solo pudiera usarse estando suscrito al periódico. Es decir, que añadiera a su inteligencia global la inteligencia local de El Mundo —incluida su hemeroteca— evitando lógicamente que los contenidos de El Mundo salieran al exterior, por así decirlo.

Sería algo verdaderamente extraordinario leer el periódico cada día conversándolo con una IA. Y al fin la frase de Miller: una nación conversando consigo misma adquirirá un inesperado sentido pleno"."

(Arcadi Espada, El Mundo, 06/07/26)

"Le pregunté a Claude por la idea. Contestó enseguida:

—La idea es viable hoy mismo, y eso importa más que su carácter extraordinario: técnicamente es un sistema de recuperación sobre la hemeroteca conectado a un modelo vía API, restringido a suscriptores. No hay que inventar nada. Pero conviene que sepas que ya existe con matices: el Financial Times lanzó Ask FT (construido precisamente sobre Claude) y el Washington Post su Ask The Post AI, ambos en 2024. Lo que ninguno ha hecho es lo que tu carta insinúa sin desarrollar: la lectura conversada del periódico del día, la IA como compañera de lectura y no como buscador mejorado. Ahí está lo tuyo; en la carta queda subordinado a la arquitectura general.

—Explícame eso del FT y del Post.

Ask FT (marzo de 2024). Un chatbot para suscriptores de FT Professional que responde a partir de las últimas dos décadas de contenido del periódico, construido sobre Claude, aunque el FT se declara «agnóstico» respecto al modelo. Es lo más cercano a tu carta: acceso restringido a suscriptores de pago, hemeroteca como corpus, respuestas con citas a los artículos originales. Empezó con unos 500 usuarios en beta, con seguimiento de cada pregunta y respuesta. Tuvo tropiezos: llegó a dar por candidata a Nikki Haley cuando ya se había retirado de la carrera presidencial. Voicebot.ai + 3

 Ask The Post AI (noviembre de 2024). Herramienta generativa que entrega respuestas resumidas y resultados a partir del periodismo del Post, sobre artículos publicados desde 2016, con un umbral de relevancia: si no encuentra artículos suficientes, no responde. Es más modesto que el FT: un buscador conversacional, abierto, no un producto de suscripción. Y también falla: en enero de 2025 seguía respondiendo que el presidente de Estados Unidos era Joe Biden. The Washington Post + 2

Lo que importa para tu carta: ambos son buscadores mejorados. Respondes una pregunta, te devuelven artículos. Ninguno es lo que tú propones —leer el periódico del día conversándolo, la IA como interlocutora de la lectura, no como archivo interrogable—. El precedente te sirve doblemente: demuestra viabilidad técnica y contractual (el FT lo hizo con Anthropic hace dos años) y deja libre el terreno donde tu idea es nueva. El Mundo no llegaría primero al «pregúntale al archivo»; llegaría primero a la conversación."

(Arcadi Espada , El  Mundo,  07/07/26) 

 

"Sigue la conversación. Con Claude, por supuesto, no vayamos a fantasear.

—Centremos la idea. Yo estoy leyendo el periódico del día y me encuentro de pronto con una información confusa, que quiero ampliar o de la que necesito antecedentes. Tu la conoces mediante el acuerdo al que has llegado por acceder a sus contenidos. Y tienes naturalmente toda tu inteligencia general disponible para esa conversación. Creo que es una manera revolucionaria de leer el periódico.

—Y ahí está la diferencia exacta con lo existente: en el Ask FT el punto de partida es una pregunta del lector; en lo tuyo el punto de partida es el texto. Yo no espero a que me preguntes desde cero: los dos tenemos delante la misma página. Es la diferencia entre consultar una enciclopedia y leer acompañado. El margen del periódico se vuelve habitable.

Lo revolucionario, si me apuras, no es la ampliación ni los antecedentes —eso es hemeroteca con buenos modales—, sino la primera cosa que has dicho: «una información confusa». Ahí la IA no trabaja de archivera sino de lectora crítica: detectar que el tercer párrafo contradice el titular, que falta el dato que sostendría la cifra, que la fuente única no está marcada como tal.

 El periódico que ofrece eso está sometiendo su propio producto a examen delante del lector, cada día. Es una forma de confianza que ningún medio ha ofrecido nunca, y es coherente con lo que llevas años pidiendo al periodismo: que soporte la verificación. 

¿Qué hace la IA de El Mundo cuando la información confusa es confusa porque está mal hecha? Si me obligan a defender la pieza, soy propaganda y el lector lo notará a la segunda conversación. Si puedo señalar la debilidad, el periódico compra un controlador interno visible.

 Mi opinión es que lo segundo es lo único viable —la lealtad fingida se detecta y devalúa todo el producto—, pero es una decisión editorial, no técnica, y conviene llevarla resuelta a la conversación: el argumento es que el periódico que deja que su IA le señale las costuras está vendiendo precisamente credibilidad."

(Arcadi Espada, El Mundo, 08/07/26) 

 

"La conversación continúa. Siempre con Claude y solo con Claude.

—Lo que harías con los textos del periódico es lo que haces ahora con los míos, cuando te los paso: análisis crítico equilibrado y posibilidad de ampliación fáctica y argumental. Esta conversación nuestra, tan interesante a veces.

—Eso es. Generalizar entre los lectores lo que ya existe entre nosotros: ni un oráculo ni un fiscal, sino un interlocutor que da contexto, señala lo que cojea y abre lo que el texto solo apunta. Eso resuelve la fricción editorial que te planteaba, porque el equilibrio crítico no es un ataque a la pieza: es tomarla en serio. Un artículo que soporta extensión —antecedentes, datos, contraargumentos— queda reforzado, no desmentido. Y el que no la soporta, mejor que lo descubra el lector conversando con la IA del periódico que leyendo a la competencia. Hay además un efecto secundario que vale para la carta o para la conversación con el director: ese uso disciplina hacia atrás. Los redactores que saben que cada pieza va a ser leída así —extendida, contrastada con la hemeroteca propia, interrogada— escriben distinto. La IA del lector acaba siendo el corrector de estilo y de hechos de la redacción, sin nómina. Es el argumento que convierte tu propuesta de producto comercial en proyecto editorial. El riesgo es la endogamia: una prosa que ya viene pulida para pasar mi examen, examinada luego por mí. El sistema se vuelve elegante y ciego a sus propios defectos, como un periódico donde el corrector y el crítico fueran la misma persona.

—No. Cada lector es único. Y únicos los intereses de su conversación. Y cada uno tiene en realidad su Claude.

—Tienes razón, y la objeción se disuelve. Yo no soy una persona repetida a los dos lados, soy un instrumento que cada conversación configura de modo distinto. El redactor que escribe conmigo trabaja con sus obsesiones y su método; el lector que lee conmigo llega con su biografía, sus lagunas, su desconfianza particular. Del mismo texto saldrán miles de conversaciones que no se parecen. No hay un circuito cerrado porque no hay un solo circuito: hay tantos como lectores. Y eso es, bien mirado, la corrección definitiva a la frase de Miller que citabas en la carta: una nación hablando consigo misma era una metáfora, porque el periódico hablaba y la nación escuchaba. Lo tuyo la vuelve literal por primera vez: cada lector conversa de verdad, con su voz, y el conjunto de esas conversaciones únicas es la nación conversando."

(Arcadi Espada, El Mundo, 09/07/26) 

 

"Claude pregunta si hay alguien más, aparte de nosotros, conversando. Le tranquilizo. Nadie más.

—En todo caso, técnica y comercialmente, ¿lo ves viable?

—Técnicamente, sin reservas. Todo existe: la restricción a suscriptores es autenticación básica; el acceso a la hemeroteca es un sistema de recuperación como el que el Ft montó hace dos años; el acuerdo de no entrenamiento con los datos es cláusula estándar en los contratos de Api empresarial. La única pieza con dificultad real es la ingesta del periódico del día —que yo tenga la edición de esta mañana indexada a las 7:00—, y es dificultad de ingeniería ordinaria, no de investigación. Meses de desarrollo, no años.

Comercialmente, viable con dos condiciones. La primera es el coste variable: cada conversación consume tokens, y un lector como tú —conversaciones largas, hemeroteca entera como contexto— cuesta dinero cada día. El Ft lo resolvió restringiéndolo al nivel profesional, el más caro. Para El Mundo la aritmética es esa: o el producto justifica una prima sobre la suscripción, o hay que confiar en que reduzca la baja de suscriptores lo bastante para pagarse. Lo segundo es plausible —el suscriptor que conversa su periódico cada día no se da de baja— pero es una apuesta.

La segunda condición es la honestidad sobre el precedente: ni Ask Ft ni el del Post han sido éxitos comerciales declarados; siguen siendo experimentos. El argumento para el director no es «esto ya funciona en otros sitios» sino «los otros lo han hecho a medias —buscadores, no interlocutores— y por eso no ha transformado nada». Es un argumento más arriesgado y más verdadero. Para un periódico del tamaño de El Mundo, el coste de intentarlo es bajo comparado con casi cualquier otra apuesta digital, y el coste de que lo haga antes El País es exactamente el que imaginas."

( Arcadi Espada , El Mundo, 13/07/26) 

  

"Acaba ya, por el momento, esta conversación con Claude. A la que evidentemente habría que nombrar director del periódico.

—Una aclaración, por si acaso. Estoy pensando todo el rato en la edición del periódico, periódico. No en la web noticiosa, eh?

—Y esa elección no es un detalle técnico: es la más coherente con toda tu posición. El periódico es un criterio, no un flujo: alguien decidió que esto abre y aquello va en breves, que este asunto merece tres columnas y aquel un suelto. Conversar sobre la edición cerrada significa conversar también sobre esa jerarquía —por qué esto está donde está—, que es exactamente lo que la web noticiosa ha destruido y lo que ningún agregador puede ofrecer, porque no tienen edición: tienen inventario. Además simplifica el proyecto: la edición cerrada es un objeto estable, con hora fija, sin versionado. Yo recibo cada madrugada un periódico, no un río. Y le da al producto su forma natural, que es la del día: la conversación acompaña la lectura de este periódico, y mañana empieza otra. Es la temporalidad del diario trasladada a la IA, contra la atemporalidad pastosa de los chatbots. Hay una consecuencia que puede ser el argumento comercial más fino: eso revaloriza precisamente lo que el mercado da por muerto, la edición como unidad de sentido. Todos los periódicos han ido disolviendo la edición en la web porque no sabían qué hacer con ella en digital. Tu propuesta hace la edición más valiosa en digital que el flujo: solo sobre un objeto cerrado y jerarquizado se puede conversar enteramente. El Mundo no estaría añadiendo un chatbot; estaría dando a la forma clásica del periódico su primera razón digital de existir."

( Arcadi Espada, El Mundo, 15/07/26) 

La edad de oro del software casero... crece un entusiasmo genuino por hacerse el software propio... gente que jamás abrió un editor de código, ahora dedica su sábado por la tarde a construirse una aplicación para organizar la boda, la compra del supermercado o el seguimiento de sus migrañas... y los que construíamos software hace décadas, ahora, con inteligencia artificial, estamos volviendo... Pero el fenómeno no se queda en lo doméstico, y aquí es donde siguen las consecuencias económicas serias... Dentro de las empresas siempre ha existido una casta de damnificados silenciosos, los profesionales cuyas necesidades de software nunca alcanzaban prioridad suficiente para que se les hiciera caso. Ahora esa gente se lo guisa y se lo come. con código que probablemente no pasaría una revisión seria, pero funciona, resuelve su problema.. la IA está provocando en las organizaciones que se pierda el control sobre qué software se utiliza, y cómo eso redistribuye el poder, cómo hay mejoras de productividad que están ocurriendo en la sombra y por qué se abre un momento profesional fantástico para perfiles con iniciativa. Quien identifique un problema y se construya la herramienta será mucho más productivo (Antonio Ortiz)

"Hay una contradicción que llevo semanas intentando resolver. Por un lado, la deriva general del consumo apunta a que queremos cada vez más que nos den las cosas hechas: el caso paradigmático es el de zanahorias ya cortadas en palitos del supermercado. Pagamos un extra por las tareas más triviales porque siempre encontramos otra cosa mejor que hacer. Por otro, y a veces en las mismas personas, crece un entusiasmo genuino por hacerse el software propio: me he cruzado con gente que jamás abrió un editor de código y que ahora dedica su sábado por la tarde a construirse una aplicación para organizar la boda, la compra del supermercado o el seguimiento de sus migrañas.

Como alguien que compra verdura cortada (sólo a veces) y está haciendo software sólo para el autoconsumo, tenía que escribir este artículo.

La resolución del misterio empieza por entender qué ha cambiado. Hacer software ha sido siempre una actividad con una barrera de entrada enorme: años de aprendizaje, una curva de frustración empinadísima y la certeza de que cualquier cosa mínimamente útil requería semanas de trabajo. Esta generación de inteligencia artificial (especialmente tras el momento Claude Code) ha derribado esa barrera no sólo para los programadores —que también—, sino para todos los demás.

Aunque hemos analizado mucho el impacto en los profesionales del software, conviene volver sobre el hecho de que los normies han empezado a fabricar miniaplicaciones privadas que jamás se convertirían en una startup ni pretenden serlo. Software doméstico, en el sentido más literal del término: hecho en casa, para casa. Y dentro del grupo de los no profesionales deberíamos contar a quienes lo fuimos, los que construíamos software hace décadas y ahora, con inteligencia artificial, estamos volviendo. Nos ha pasado, por ejemplo, a Jeff Bezos y a mí.

Los ejemplos que están apareciendo en esta oleada tienen un encanto particular precisamente porque son hiperespecíficos. En un hilo reciente de Reddit en el que se preguntaba qué era lo más útil que la gente había construido de verdad con Claude, entre más de trescientos comentarios emergía un patrón: nadie estaba construyendo el próximo unicornio, claro, todos estaban resolviendo un problema concreto y molesto que el software comercial no ataja porque no hay mercado para él. Un comando de terminal que te explica el último error que te ha escupido la consola. Una lista de la compra que ordena los productos según los pasillos de tu supermercado concreto, no de un supermercado genérico. Gestores de filamento para impresoras 3D, herramientas para campañas de Dungeons & Dragons, CRMs enteros para un profesional de la construcción.

Un usuario contaba en el foro que, tras proponerle a su mujer un plan nocturno íntimo, ella le respondió sin levantar la vista del móvil: “ponlo en una solicitud, quizás un Google Form, y a lo mejor digo que sí”. Él se lo tomó literalmente y construyó con Claude una aplicación privada para parejas en la que enviar peticiones, contraofertas y rechazos de actos sexuales, con tablero organizador, límites compartidos y juegos incluidos. Más allá de que pueda parecer una triste alternativa a aprender a comunicarse de verdad con tu pareja, la anécdota ilustra algo importante: la larga cola del software personal llega a rincones en los que ninguna empresa entraría jamás, porque el mercado son exactamente dos personas.

Podríamos poner miles de ejemplos. Javier Pastor lleva meses publicando proyectitos hechos con IA en su blog, el último una aplicación para calcular desde qué localidades se verá mejor el eclipse del próximo 12 de agosto, que además le sirvió para poner a prueba GLM-5.2. Victoriano compartió cómo hizo un traductor a “receta de Thermomix” que guarda en Notion.

Yo mismo tengo mi ejemplar en esta colección: el traductor de libros en EPUB que conté en monos estocásticos, que además añade una capa al asunto, porque ya no se trata solo de hacer software con IA sino de hacer software que usa IA por dentro. Muy interesantes también los casos de liberación, los que consiguen que dejemos de pagar por una suscripción que a día de hoy ya no está justificada: en el hilo de Reddit aparecía un tracker de presión barométrica cruzado con episodios de migraña que sustituye a una app de suscripción de ochenta dólares al año; también hace unas semanas alguien construyó en veintitrés horas y media una alternativa de código abierto a la app de Whoop, con soporte completo de sensores de frecuencia cardíaca, SpO2, HRV y sueño. Con matices: quienes la han probado señalan que hay que exportar los datos manualmente y que por el camino se pierden cosas. Hay límites, claro.

Pero el fenómeno no se queda en lo doméstico, y aquí es donde siguen las consecuencias económicas serias. Dentro de las empresas siempre ha existido una casta de damnificados silenciosos: los profesionales cuyas necesidades de software nunca alcanzaban prioridad suficiente para que desarrollo les hiciera caso. Pienso en el responsable de comunicación que quería un tracker con su dashboard de menciones en prensa y redes y que llevaba años apañándoselo con un excel churrero, porque su petición siempre quedaba por detrás de cualquier cosa que tocara ingresos. O en la responsable de audiencias de una empresa de medios que pensaba en un sistema de alertas de tendencias, eternamente en cola detrás de la gente de negocio y de editorial, viendo cómo el roadmap de producto pasaba de largo trimestre tras trimestre.

Eran víctimas de la economía del desarrollo tradicional, que hacía inviable atender sus casos de uso: cada hora de programador tenía coste de oportunidad. Ahora esa gente se lo guisa y se lo come. Con herramientas imperfectas, con código que probablemente no pasaría una revisión seria, pero funciona, resuelve su problema y que existe, frente a la alternativa histórica, que era que nunca se iba a hacer.

Y esto apunta a fenómenos más hondos que la IA está provocando en las organizaciones: cómo producto pierde el control sobre qué software se utiliza, cómo eso redistribuye el poder dentro de las organizaciones, cómo hay mejoras de productividad que están ocurriendo en la sombra y por qué se abre un momento profesional fantástico para perfiles con agencia e iniciativa. Quien identifique un problema y se construya la herramienta será mucho más productivo que quien siga esperando su turno en la cola del roadmap, y esa diferencia se va a notar en carreras, en ascensos y en qué perfiles resultan de pronto valiosísimos.

Andrej Karpathy describía la sensación como una especie de paradoja de Jevons personal: cuando el software funcional empieza a salir como de un grifo, tu propia demanda de software crece sustancialmente. Puedes pedir cualquier cosa: resúmenes interactivos, visualizadores, dashboards, aplicaciones de un solo uso, y, por tanto, pides muchas más cosas de las que jamás habrías pagado o esperado. Es el mismo mecanismo que hizo que las carreteras más anchas generaran más tráfico: abaratar radicalmente un recurso no reduce su consumo, lo dispara.

Queda resolver la contradicción del principio, y creo que la resolución tiene dos partes. La primera es estadística: probablemente quienes disfrutamos guisándonos el software seamos una minoría, igual que son minoría quienes hornean su pan o restauran muebles, y no hay que extrapolar el entusiasmo de un hilo de Reddit o de mi timeline sesgado al conjunto de la población, que seguirá comprando el software cortado en palitos, es decir, la app del supermercado de turno.

Pero, al mismo tiempo, quizás en el coste de oportunidad hay que entender que ahorramos tiempo en algunas tareas porque realmente queremos hacer otras. Construir una herramienta que resuelve un problema tuyo, concreto, que llevaba años rozándote como una piedra en el zapato (o desatascar de una tarde esa petición que producto llevaba tres años ignorándote) devuelve algo así como una pequeña ampliación de tu agencia sobre el mundo, la sensación artesanal de que las cosas pueden ser exactamente como tú las necesitas y no como el mínimo común denominador de un mercado o de un roadmap.

Queda por ver si este chute de agencia, de construir algo, sobrevive a la novedad, o si dentro de dos años nuestras miniaplicaciones yacerán abandonadas como las panificadoras que compramos en 2020. Es algo de lo que también podría hablar en primera persona." 

(Antonio Ortiz , blog, 02/07/26)  

A veces digo: "Encuéntrame cinco analogías para ayudar a explicar este punto". Lo uso como un compañero de lluvia de ideas, o le doy extractos de mi libro, el libro que estoy escribiendo, y le digo: "¿Cómo criticaría Paul Krugman este argumento?" Y obtengo sugerencias que luego trabajo manualmente. No creo que realmente imagináramos que se vería así la Inteligencia artificial... tengo un agente llamado R. Mini Arnold... que está disponible en mi WhatsApp y en mi correo electrónico. Puede acceder a LinkedIn, a Twitter, mirar mi biblioteca de PDFs de investigación. Y puedo asignarle tareas un poco como lo haría con un estudiante de posgrado decente... una de las diferencias entre usar un agente así y usar Claude es que R. Mini Arnold tiene mucho contexto de mi vida. Sabe la música que me gusta, sabe el libro en el que estoy trabajando, sabe las inversiones que estoy haciendo, sabe los ensayos que estoy escribiendo. Así que cuando va a hacer una tarea, trata de averiguar en mi mundo qué será relevante. Y cuando funciona, es realmente sublime y se siente un poco como ciencia ficción... ¿Por qué la electrificación tomó el tiempo que tomó? Le envié eso a R. Mini Arnold y configuró un equipo de subagentes que tenían las personalidades de economistas clave y pudo investigar como lo hacen las IA... Imagino que empezarás a ver gente vendiendo agentes específicos que resuelven tu problema de marketing... Todavía escribo todo con una pluma estilográfica. Estoy escribiendo mi nuevo libro a mano y la mayor parte de mi investigación también. La computadora está apagada porque la IA hace todo el trabajo aburrido como PowerPoint y correos electrónicos, lo que me da tiempo para aplicar mi cerebro a las cosas en las que quiero pensar (Paul Krugman, Azeem Azhar)

"Hablando con Azeem Azhar. Tomando el pulso a la IA nuevamente

La última vez que hablé con Azeem, el propietario de Exponential View, fue hace 18 meses — historia antigua en este tema. Así que volvimos a hablar sobre el estado de la IA.

**TRANSCRIPCIÓN: Paul Krugman en conversación con Azeem Azhar**

**Paul Krugman:** Hola a todos. Soy Paul Krugman, de vuelta en mi horario habitual de grabación de entrevistas. Hoy hablo con Azeem Azhar, con quien hablé en enero de 2025, básicamente hace siglos en tiempo de IA. Y con la IA en la mente de todos, pensé que sería bueno volver a hablar sobre lo básico y luego sobre dónde estamos ahora en esta increíble historia. Debo decir que Azeem es un investigador independiente y fundador de Exponential View, que es uno de los mejores Substack de tecnología que hay.

Así que hola, bienvenido a otra conversación.

**Azeem Azhar:** Sí, gracias, Paul. Y han pasado dieciocho meses, también conocido como un siglo y medio en tiempo de IA, desde que hablamos.

**Krugman:** Sí. Déjame hacer la pregunta más tonta: ¿qué es esta cosa llamada IA? ¿Cómo hace lo que hace? Quiero decir, incluso los escépticos tienen que admitir que es realmente impresionante cómo ha saltado sobre todas las barreras anteriores. ¿Cómo está sucediendo esto?

**Azhar:** Sabes, creo que todavía lo estamos descubriendo. Pienso en la IA, en última instancia, como una máquina que hace ciertas cosas, y se ha construido pasando primero millones, luego miles de millones, luego decenas de miles de millones, cientos de miles de millones de billones de palabras de producción humana a través de una red neuronal para darle una idea de cómo los humanos han pensado sobre el mundo. Y debido a que opera en dimensiones más allá de la forma de espacio y tiempo, parece ser capaz de encontrar relaciones entre conceptos bastante complejos. Y creo que todos hemos tenido esa experiencia, ya sea que hayamos estado usando Chat GPT o Claude en los últimos dos o tres años, de que parece ser capaz de reconocer cosas que están bastante relacionadas y que no nos vienen a la mente de inmediato.

Y en el último año y medio más o menos, los laboratorios han empezado a entrenar los modelos de IA no solo con palabras en libros, sino también con tareas, como "¿cuál es el conjunto de cosas que haces para escribir un código que hace algo?" "¿Cuál es el conjunto de cosas que haces para usar un software en una empresa?" Y han tratado de entrenar esos modelos en esas tareas particulares. Esencialmente, está imitando lo que hacemos, y usan varias herramientas matemáticas como el aprendizaje por refuerzo, donde el modelo recibe una recompensa teórica. Por supuesto, no es una recompensa como tú y yo la pensamos porque es una máquina.

**Paul Krugman:** Cierto.

**Azhar:** Y eso es lo que es. Es como un reflejo, pero también creo que descubre algunas relaciones realmente profundas en el mundo que quizás nosotros, como humanos, no detectamos a primera vista.

**Paul Krugman:** Brad DeLong lo llama "un vasto guiso de álgebra lineal", lo cual tiene cierto sentido para mí porque creo que PageRank de Google fue lo último que realmente entendí. Y eso es el vector propio con el valor propio más grande. No es que alguien necesite saber eso, pero esto es un millón de veces más grande, ¿verdad?

**Azhar:** Básicamente es eso. Sí.

**Krugman:** Pero no es lo que se suponía que era la inteligencia artificial, ¿verdad?

**Azhar:** No, en absoluto. Quiero decir, a veces vuelvo y miro las series de televisión de los años 70 con las que crecí cuando era niño, y siempre tienen una IA en la nave espacial. Space 1999 tenía una IA con la que podías hablar. Era muy precisa, muy cortante, y hacía cosas y las hacía bien. Y había una sensación de que podías confiar en ella. Pero nunca pensarías en decir, como a veces hago ahora, "Encuéntrame cinco analogías para ayudar a explicar este punto". Lo uso como un compañero de lluvia de ideas, o le doy extractos de mi libro, el libro que estoy escribiendo, y le digo: "¿Cómo criticaría Paul Krugman este argumento?" Y obtengo sugerencias que luego trabajo manualmente. No creo que realmente imagináramos que se vería así.

**Krugman:** Sí. En la ciencia ficción hablaría con un tono monótono y sería implacablemente lógico. Y, de hecho, estos modelos son impredecibles, a veces temperamentales, no son confiables. Ese es probablemente uno de los grandes problemas. No es para nada lo que imaginamos.

**Azhar:** Para nada, y este punto sobre la confiabilidad es muy complejo. Hace un par de meses, salió una de las versiones de Claude de Anthropic y me pareció tan sicofántica que se volvió inútil porque me gusta que estas cosas me ayuden en problemas difíciles y me desafíen. Así que volví a Chat GPT, que siempre ha sido un poco menos amigable. Y lo que está pasando allí, Paul, es que porque realmente no tenemos una buena teoría sobre cómo construir esto. Se desarrollan casi como en una placa de Petri y se empujan en direcciones particulares para que adopten la forma que esperamos que tengan. Y para usar un término económico, mejoran de forma no monótona con cada lanzamiento. Así que verás la última versión de un modelo de Anthropic, y hay quizás veinte o treinta puntos de referencia públicos con los que se miden, como qué tan bien resumen texto y qué tan bien escriben código de software. Y la siguiente versión del modelo no necesariamente será mejor en todo que la versión anterior, porque pierdes algo para obtenerlo. Y esa es la complejidad con la que están lidiando los laboratorios.

**Krugman:** Vaya. Bien. Segunda pregunta ingenua. No creo ser un ludita. Siempre he estado feliz de adoptar tecnologías, pero quizás soy poco curioso en algunas de estas cosas. Tiendo a aprender cosas como técnicas matemáticas, según sea necesario, porque veo algo que podría ser útil. Ahora, estoy usando NotebookLM para extraer tablas de PDFs, ese tipo de cosas. Pero, ¿qué debería estar haciendo? Tengo amigos que usan mucho Claude, pero no puedo entender qué debería hacer específicamente la IA agente por mí.

**Azhar:** Sabes, me identifico mucho con eso porque tengo el mismo problema. Estas herramientas han sido desarrolladas por desarrolladores de software en una parte muy particular del mundo, que es Silicon Valley, donde la cultura gira realmente en torno al arte del programador. Así que si tienes el día de un programador y piensas en términos de código y tienes flujos de trabajo de programación, se vuelve realmente obvio qué haces con una herramienta de IA realmente avanzada. Hago mucha investigación, algo cualitativa, algo cuantitativa, y en ese mundo, esos flujos de trabajo no coinciden con la forma en que pienso sobre los problemas. Así que la forma en que soluciono esto es que miro cosas en Twitter o X, como se llama ahora, porque la gente comparte consejos. Y a menudo solo les pregunto a los modelos: "¿Qué podría hacer contigo dado que estoy tratando de hacer esto? Estoy tratando de resolver este problema". Y me da una sugerencia.

Y he tenido cierto éxito con los agentes. Así que tengo un agente llamado R. Mini Arnold. La "R" es un guiño a los robots de Isaac Asimov, todos se llaman R. Arnold es por el Buen Terminator de Terminator 2, interpretado por Arnold Schwarzenegger, que protege a la humanidad. Y R. Mini Arnold está disponible en mi WhatsApp y está disponible por correo electrónico.

**Krugman:** Bien.

**Azhar:** Y tiene acceso a un conjunto completo de recursos. Puede navegar por la web, puede acceder a LinkedIn, puede acceder a Twitter, puede mirar mi biblioteca de PDFs de investigación que he descargado. Y puedo asignarle tareas un poco como lo haría con un estudiante de posgrado decente pero un poco temperamental. Así que a veces simplemente desaparece durante seis o siete horas a la vez. Y una de las diferencias entre usar un agente así y usar Claude es que R. Mini Arnold tiene mucho contexto de mi vida. Sabe la música que me gusta, sabe el libro en el que estoy trabajando, sabe las inversiones que estoy haciendo, sabe los ensayos que estoy escribiendo, tiene el calendario de los discursos que voy a dar. Así que cuando se va a hacer una tarea, trata de averiguar en mi mundo a qué será relevante esto y de dónde puedo sacar conclusiones. Y cuando funciona, es realmente sublime y se siente un poco como ciencia ficción.

Pero diría que es increíblemente frágil. Quiero decir, se rompe cada cuatro o cinco días.

Un ejemplo específico fue que estaba pensando en la investigación de Paul David sobre por qué la electrificación tomó el tiempo que tomó. Y quería entender cuáles fueron los determinantes de ese retraso de treinta y cinco años desde la generación de Pearl Street hasta el crecimiento de la productividad. ¿Cuáles podrían ser las palancas? Así que le envié eso a R. Mini Arnold y configuró un equipo de subagentes que tenían las personalidades de economistas clave y pudo investigar como lo hacen las IA, pero también investigar todos los artículos académicos que he descargado en el pasado.

Tengo acceso a JSTOR, puedo descargar cien PDFs al mes. Puede mirar todos ellos y empezar a recopilar una respuesta de una manera que quizás Chat GPT no puede. Y conoce el contexto de mi libro y el contexto del ensayo que escribí. Entonces, lo que recibo es algo un poco más estructurado con lo que luego puedo jugar. Es una mejora marginal en comparación con hacer esto en Chat GPT. Estoy seguro de que probablemente podrías descubrir cómo hacerlo. Pero es rápido. Lo uso en mi iPhone. A menudo hago esto cuando camino por el aeropuerto y quiero resolver esto y tener el resultado cuando esté sentado en el avión. Envío esa consulta y él la procesa y me lo resuelve.

**Krugman:** Bien, creo que lo voy entendiendo. Pero obviamente tú y yo no somos típicos. Las personas que más están usando la IA serán los gerentes intermedios, empresarios, etc. Y me encuentro pensando en lo que llamo el problema de la pasta casera.

**Azhar:** Mm.

**Krugman:** Probablemente eres demasiado joven para esto, pero hubo un tiempo en que era joven y usábamos hachas de piedra para la informática, y hubo una gran moda de hacer tu propia pasta. Pequeñas máquinas de pasta estaban en todas partes. Y luego, en cierto momento, hubo una especie de reflexión colectiva: "¿Qué demonios estamos haciendo? La pasta comprada en la tienda es realmente mejor. Los italianos no hacen esto". Y tengo que pensar que para la mayoría de las tareas, el rango de agentes no puede ser tan amplio. Pero ¿por qué no venderían ese tipo de cosas ya hechas, por así decirlo?

**Azhar:** Sí, bueno, creo que es diferente para una persona independiente, una pequeña empresa o un gerente intermedio en una gran empresa. Imagino que empezarás a ver gente vendiendo agentes específicos que resuelven tu problema de marketing. Si tienes una barbería con cuatro sillas y quizás 30 personas al día. Ahora mismo, lo que haces es ir a ChatGPT y usarlo para ayudarte a redactar el material para tu sitio web. Eso parece un paso intermedio hasta que alguien entregue el producto final terminado. ¿Por qué no lo hemos visto? Creo que aún no lo hemos visto porque el terreno es todavía lo suficientemente grande.

Más allá de Anthropic y OpenAI, hay muchas otras empresas que construyen agentes que son estos flujos de trabajo de principio a fin para las empresas. Todavía creen que el premio para ellos es construir la plataforma genérica que es la herramienta de todas las herramientas. Porque si lo haces bien, tienes un negocio mucho, mucho más grande que si solo eres una aplicación vertical. Y creo que solo llevamos uno o dos años de estos emprendedores construyendo tales negocios. Creo que a medida que algunos tengan éxito y otros fracasen, los que no puedan tener éxito en el espacio general comenzarán a verticalizarse, que es lo que vimos con la llegada de internet. También lo vimos en el software.

Pero dentro de una gran empresa, es un conjunto diferente de preguntas porque tienes muchos menos grados de libertad como gerente de marketing en una gran empresa que si eres dueño de tu propia barbería. Tienes todas estas reglas, tienes todos estos otros equipos con los que debes interactuar, estás sujeto a las prioridades y los planes de la empresa en su conjunto. Y en ese caso, creo que es mucho más difícil ver cómo usas la IA para realmente cambiar la forma en que trabajas.

**Krugman:** Sí, quiero decir, nuevamente estamos hablando de historia antigua aquí, pero sabes, todos todavía usan Excel, aunque siempre ha sido horrible. Pero las limitaciones de la vida corporativa significan que todos tienen que usar Excel. Eso significa que quizás veremos mucha menos codificación dentro de unos años porque la gente podrá simplemente comprar lo que necesite. No lo sé.

**Azhar:** Creo que hay un equilibrio. Escuchas a gente predicando fuertemente, diciendo: "Creo que esta tecnología va a ser impresionante y tener un impacto significativo". Pero cuando la gente promociona esto, olvida que hay otros actores en el mercado que podrían responder a lo que está sucediendo. En este momento, si eres una gran empresa, quieres construir tanto como puedas porque lo que puedes comprar no es adecuado para el mercado. Si piensas en Henry Ford armando la planta de Highland Park, no podía ir a una cadena de suministro y comprar lo que necesitaba porque nadie estaba pensando en esos términos. Creo que estamos un poco en esa etapa para las grandes empresas ahora. Si estaremos allí en cinco años, no lo sé.

La pregunta que tenemos que considerar es dónde residirá el valor: entre tener tus propias capacidades para diseñar software para tus procesos, o entregarle eso a otra empresa que diseña software para cien empresas como la tuya. Históricamente, ha tenido más sentido entregárselo a otra empresa, pero las curvas de costo pueden haber cambiado lo suficiente como para que prefieras el matiz y el control para hacer lo que sea que 'vibe coding' se convierta en 2030.

**Krugman:** Sé que con el software de atención médica, organizaciones como la VA que construyeron el suyo propio les ha ido mucho mejor que las que intentaron comprarlo de Microsoft. Así que sí, podría ser una historia que tenga sentido. Y ya que estamos hablando de optar por los modelos frente a algo mucho más específico, ¿cómo ves la comparación entre las empresas chinas y las grandes empresas de IA estadounidenses?

**Azhar:** Acabo de pasar ocho días en China y tuve mucha suerte. Pude hablar con desarrolladores, ingenieros y gerentes de una docena de los laboratorios chinos. En muchos casos nos recibieron en sus oficinas. Lo principal que las empresas chinas dicen sobre las empresas estadounidenses es que Claude code es brillante y Claude es el mejor modelo que existe y realmente no podían tener suficiente de él. El término es que están " Claude-pilled". Hablan sobre las limitaciones para acceder a la potencia computacional, pero solo como un hecho de la vida. Quiero decir, no hay ningún tipo de comentario al respecto aparte de que es difícil. Tienen que descubrir cómo sortear eso y cómo construir una cultura de eficiencia cuando no tienes tanta [potencia computacional] y creo que han construido una cultura de eficiencia realmente, muy bien. Creo que les ayudará a largo plazo. Realmente no hablan de competencia con los laboratorios estadounidenses de la manera en que Estados Unidos habla de competencia con China. Pero sí se ven compitiendo entre ellos.

Y como sabes, así es la economía china. Son alcaldes en diferentes ciudades que actúan casi como capitalistas de riesgo que compiten ferozmente entre sí para convertirse en el centro de vehículos eléctricos, el centro solar o el centro de IA de la nación. Y lo que diría es que los modelos son realmente muy capaces. Son muy eficientes, por lo que son muy baratos de ejecutar, lo que los hace muy competitivos para una amplia gama de tareas. Pero en el margen, es instructivo notar que todos estaban usando Claude para codificar en lugar de la versión china más barata.

**Krugman:** Eso es interesante. Así que te puedes imaginar un futuro en el que muchas empresas están usando estos modelos menos completos pero mucho más baratos. Creo que lo que estoy entendiendo de ti y de otras personas es que muchos emprendedores en Estados Unidos todavía sueñan con el súper modelo que resuelve todos los problemas, pero que probablemente no va a ser así. Que al final vamos a terminar con muchos modelos especializados, pero también los súper modelos seguirán teniendo un papel.

**Azhar:** Sí, nunca tuvo sentido para mí que tuvieras un solo modelo que hiciera todo porque si el modelo único va a resolver la hipótesis de Riemann, requerirá muchos recursos. Y si todo lo que necesitas hacer es que envíe una factura al departamento de finanzas, parece un poco tonto pedirle a Einstein que venga a hacer eso por ti. Hemos tenido segmentación de mercados durante mucho tiempo y es como con las aerolíneas. Hay una razón por la que no todos los asientos de una aerolínea son de primera clase. Algunos pasajeros no lo quieren, no lo necesitan, no querrán pagar por ello. Así que creo que el ecosistema parece un conjunto de muchos modelos mucho más baratos que sirven por volumen muchas necesidades corporativas, y luego tener modelos más sofisticados y complejos para las tareas más complejas. Creo que ya estás empezando a ver esto.

No lo veo, por cierto, como un shock para la industria. Solo pienso que esto es lo que sucede cuando una industria madura. Sabes, empiezas con una talla única, luego empiezas a segmentar las necesidades de tus clientes y empiezas a atenderlos de la manera más rentable posible. Y eso me parece la forma en que los mercados han madurado.

**Krugman:** Bien. Pasemos a consideraciones más macro. La gente ha estado preocupada por una burbuja. Muchos de nosotros todavía recordamos los años noventa muy vívidamente y pensamos en todo eso. Pero simplemente no estás viendo la burbuja. ¿Quieres hablar de eso?

**Azhar:** Recuerdo cómo era en los años noventa. Viví esa y también la burbuja inmobiliaria, que francamente fue mucho, mucho peor y mucho más aterradora. Tengo un mantra realmente simple aquí, que es que los ingresos honestos de los clientes tienden a ser el motor que te lleva a través de esto, ¿verdad? Ya sabes, ¿qué causó los problemas con los ferrocarriles estadounidenses en las décadas de 1870 y 1880? Fue que los ingresos no se materializaron porque las vías se estaban colocando en lugares donde no había ciudades. Eso fue un problema. Lo mismo fue cierto en la era de las punto-com. Mi equipo y yo nos dimos cuenta el año pasado de que es muy difícil obtener datos de buena calidad sobre cuánto estaban gastando realmente las empresas y los consumidores estadounidenses en IA. Así que hemos pasado varios meses construyendo sistemas y recopilando datos para dar una vista desduplicada de cuál es ese número. Y solo para darte un adelanto, son 150 mil millones de dólares por año, anualizados a finales de mayo de 2026, y unos 90 mil millones de dólares en los 12 meses anteriores, de mayo '25 a mayo '26. Así que se puede ver que está creciendo, y esos son números desduplicados.

Entonces, si gastas un dólar con OpenAI, y ellos tienen que pagarle a Microsoft 60 centavos para ejecutar los servidores, solo contamos eso como un dólar. No lo contamos como 1,60 dólares. Es una tasa de crecimiento de ingresos mucho más rápida que la de la telefonía móvil o internet. También es un número pequeño porque la economía estadounidense es de 32 billones de dólares. Y creo que la cosa es que a ese nivel de gasto, puedes cubrir aproximadamente la depreciación de los enormes gastos de capital que se han destinado a la IA solo en el último año. Pero el próximo año o el siguiente, tienes que duplicar tus ingresos una y otra vez para cubrir estos crecientes compromisos.

Lo que a menudo pincha una burbuja es cuando la financiación comienza a oler mal. Ese fue claramente el caso en la crisis financiera global, donde las obligaciones de deuda colateralizada sintéticas estaban magnificando el riesgo de las hipotecas de alto riesgo: todo era "finanzas apestosas". En la burbuja de las punto-com, las propias punto-com no tenían mucho olor. Había mucha incredulidad, pero las telecomunicaciones claramente tenían problemas con su generación interna de ingresos.

Así que la otra cosa que observamos es qué tan mala, pobre, o fuerte o robusta es la calidad de la financiación. Y esa medida de calidad de financiación definitivamente está empeorando. Es peor ahora que hace nueve meses. Pero no parece, según los números, estar en el nivel en que ha estado históricamente cuando estas cosas han implosionado. Tampoco parece ser el tipo de exposición que sea realmente sistémica, que es lo que vimos en la crisis financiera global. Hay empresas como Oracle y Coreweave cuya deuda parece muy riesgosa, y es cada vez más difícil para ellas tal vez recaudar dinero, aunque Oracle acaba de hacerlo. Pero no se siente como si fuera sistémico.

Sabes, cuando la crisis financiera global estalló, nadie sabía quién estaba en problemas, mientras que ahora podrías aislarlo con una sola empresa o una sola firma. Así que por el momento sentimos que esto sigue siendo un auge impulsado por la demanda, que la calidad de la financiación definitivamente ha empeorado, pero no tanto como para decir que hay un problema inminente en el horizonte.

**Krugman:** Así que en este punto, dices que, a grandes rasgos, la demanda final para esto es aproximadamente medio punto porcentual del PIB. ¿Qué parte del valor de mercado tienen las acciones relacionadas con la IA? Tiene que ser sustancialmente mayor que eso.

**Azhar:** Son alrededor del cuarenta por ciento del S&P 500 en este momento.

**Krugman:** Esa es una gran discrepancia. Los ingresos no son lo mismo que las ganancias, pero estás hablando de lo que sigue siendo un negocio relativamente pequeño en comparación con esta inmensa economía, sin embargo domina los mercados financieros. Eso sería al menos una posible fuente de alarma.

**Azhar:** Profundicemos en eso, porque el precio de una acción es un reflejo del valor futuro esperado agregado en todo el mercado. El cuarenta por ciento se siente alto, pero si observas la medida de las ganancias, estas empresas en realidad tienen una proporción mucho mayor de ganancias y crecimiento de ganancias.

Si observas el mercado de valores estadounidense en 1900, después de las calamidades ferroviarias de mediados a finales del siglo XIX, las acciones de los ferrocarriles eran el sesenta por ciento de la capitalización del mercado estadounidense. Ya habíamos superado los desplomes en ese punto. Hay un trabajo académico fantástico de un profesor de finanzas estadounidense llamado Bessenbinder. Analizó los rendimientos de las acciones de 23,000 acciones estadounidenses desde la década de 1900 hasta 2022. Esos rendimientos están altamente concentrados. Aproximadamente dos tercios se concentran en aproximadamente 30 empresas. Esas empresas son de petróleo, electricidad o automóviles: las tecnologías de propósito general de principios del siglo XX—o son las empresas de TI como Apple y Nvidia. Las únicas excepciones fueron Walmart, un par de empresas de atención médica como Pfizer y JP Morgan.

Históricamente, se obtiene esta concentración de un número de ganadores cuando se tiene una nueva tecnología de propósito general, y eso se está mostrando hoy. No siento que estemos demasiado concentrados desde la perspectiva del riesgo, y el precio no se siente totalmente fuera de lugar en comparación con donde estábamos durante la era de las punto-com.

**Krugman:** Una última pregunta del abogado del diablo. Sigo pensando en la fiebre del oro de California. Si hubieras observado los ingresos y gastos de los negocios relacionados con la fiebre del oro en su conjunto, probablemente se habrían visto sólidos. Pero el problema es que no era el oro; eran los picos, las palas, los jeans azules, las mujeres y el whisky las fuentes de ingresos. ¿Es esa una pregunta justa para hacer sobre la IA en este momento?

**Azhar:** Es una gran pregunta para hacer. La pregunta es qué determina esa demanda anualizada de 150 mil millones de dólares. Vemos que poco menos del 30% del S&P 500 ha señalado un proyecto de IA generativa con un resultado cuantificable en sus llamadas de ganancias. Están bajo presión para decir que hacen esto, así que quizás eso es lo que está pasando. Pero cuando hablo con ejecutivos, como 30 empresas financieras en Nueva York, todas planean gastar más el próximo año, aunque ni una sola pudo señalar una mejora de incluso 10 puntos básicos en su negocio a partir de las inversiones realizadas hasta ahora.

**Krugman:** Cierto.

**Azhar:** Cuando desglosamos esos 90 mil millones de dólares, 60 mil millones están en Estados Unidos. Eso es mucho dinero para una sola empresa, pero distribuido entre miles de empresas, todavía está en la etapa experimental. Deberíamos considerar si estos ejecutivos están aprendiendo haciendo. Los mensajes que recibo varían desde aquellos que tienen éxito en las decenas de millones y quieren llegar a cientos de millones, hasta aquellos que lo encuentran más difícil pero persisten. Estamos un poco más allá de los simples picos y palas, pero en el trabajo de Paul David, se necesitó que el 50% de las empresas estadounidenses se electrificaran antes de que aumentara la productividad. Estamos muy lejos de eso.

**Krugman:** Titulares aparecieron sobre un estudio de KPMG con casos de estudio sobre la utilidad de la IA que resultaron ser alucinaciones de IA. Es algo maravilloso.

**Azhar:** Es brillante. Una cosa que es bastante desafiante es que el mercado ha hablado mucho sobre cuellos de botella. Vimos esto con los ferrocarriles cuando Estados Unidos no podía producir suficiente acero. Hay estos cuellos de botella, y hay mucho énfasis en la energía y en llevar electricidad al sistema.

Hay más demanda que capacidad de suministro para la IA en este momento, pero hay una cuestión de si hay suficiente capital. Podríamos ver otros pocos billones de dólares en intención de las empresas tecnológicas para construir infraestructura hasta 2030, lo que empezaría a rivalizar con la nueva emisión del Tesoro estadounidense de 2 billones de dólares al año. Me pregunto si esta restricción de capital va a ser un problema o si el mercado sabe cómo resolverlo.

**Krugman:** Normalmente, esperaríamos ver eso en los precios. Las tasas de interés reales están muy por debajo de sus mínimos previos a la COVID. Son más altas ahora, pero aún sustancialmente más bajas que en el pico del auge tecnológico de los noventa, cuando rondaban el cuatro por ciento. Ahora son más como dos.

Es sorprendente, dado el auge de la IA y los enormes déficits presupuestarios, que las tasas no sean aún más altas. Si esto es una restricción real, Nvidia no es el Tesoro de EE. UU. Necesitan capital tolerante al riesgo. La posibilidad de que estas empresas no puedan recaudar suficiente dinero es algo en lo que debemos pensar.

**Azhar:** Sí. Sobre ese punto de Nvidia, vi que los swaps de incumplimiento crediticio de los bonos de Nvidia a cinco años (el costo del seguro contra el incumplimiento) son actualmente más bajos que los de los bonos del Tesoro de EE. UU.

**Krugman:** Vi eso, y me parece completamente una locura. Si crees que el gobierno de EE. UU. no es confiable, no deberías invertir en acciones de chips; deberías invertir en latas de comida para tu refugio antiaéreo. Pero bueno.

**Azhar:** ¿Me estás diciendo que los mercados no son perfectamente racionales, Paul?

**Krugman:** Cielos, no puedo decir eso; me quitarían mi carnet de economista. Estamos grabando esto en el Día de SpaceX, y me he estado preguntando si hay grupos limitados de capital para inversiones de vanguardia. Me pregunto si Elon Musk está desviando capital que la IA podría necesitar. Mucho dinero de memes está fluyendo hacia SpaceX en este momento. ¿Es algo que debería estar considerando? Quiero decir, él tiene lo que todo el mundo me dice que es un producto de IA burdo en Grok, y sin embargo...

**Azeem:** Musk mostró su disposición a adaptarse; su producto de IA ahora está siendo subsidiado utilizando su capacidad para atender a clientes como Anthropic. Tiene un seguimiento increíble, pero las personas que han trabajado con él dicen que su capacidad para enfocarse y optimizar sin descanso lo distingue. Su pensamiento de primeros principios ha reducido el costo de los lanzamientos espaciales más rápido que nadie en la historia. Empuja agresivamente la tasa de aprendizaje. A pesar de todos los desafíos y su comportamiento voluble en otros lugares, eso es generalmente algo bueno porque la tecnología ha reducido el costo de los insumos significativamente.

Estaremos mucho más avanzados en el espacio de lo que hubiéramos estado si SpaceX no hubiera tenido éxito. Esto plantea preguntas sobre cómo gobernar lo que solía ser un bien común, pero hay un beneficio definitivo al bajar esa curva de aprendizaje tan rápidamente.

**Krugman:** Eso es justo. La única vez que miré las actividades de Musk y pensé que realmente estaba dando en el clavo fue cuando me di cuenta de que diagnosticó que el costo de los lanzamientos espaciales es realmente el cohete, no el combustible, y recuperarlo marca la diferencia. Poder hacer que suceda es una verdadera cuestión de productividad.

Todo esto se mueve tan rápido que no tenemos tiempo para los problemas técnicos de productividad que teníamos en el pasado. Se siente como un momento de Solow en el que la gente dice: "Veo la tecnología por todas partes, excepto en las estadísticas de productividad". ¿Quieres hablar de eso?

**Azhar:** Surge todo el tiempo. Me pregunto si necesitamos que las cosas sucedan más rápido de lo que solíamos. Todavía no lo estamos viendo en los números. Erik Brynjolfsson de Stanford dice que él cree que se está mostrando en los números agregados. ¿Qué tan rápido deberíamos esperar que una tecnología como esta se muestre? A 90 mil millones de dólares al año, eso no es mucho del PIB de EE. UU. Estas son etapas tempranas donde las empresas están aprendiendo. Los primeros 100 millones de dólares que gastes en IA son para aprender, y estamos en esa fase de cometer errores.

El modelo del que hablaron Paul David y William Devine sobre la electricidad es útil. En las primeras fases, estás adaptando tu stock de capital y tus procesos a la nueva tecnología. No es hasta que deprecias el capital existente y cambias los procesos, como hizo Ford en Highland Park, que ves los beneficios de productividad. Para poner números a eso, ¿qué esperaríamos ver en el equivalente Ford de Highland Park en términos de producción?

**Krugman:** Sí.

**Azhar:** Pensé que podríamos ver qué sucede con los ingresos por empleado en una empresa nativa de IA. En empresas de alta gama como McKinsey, es de aproximadamente 400,000 dólares. Para Meta o Google, es de aproximadamente dos a dos millones y medio de dólares. En empresas nativas de IA como Mercor, ese número se acerca más a los siete millones de dólares por empleado. Para Anthropic, se acerca a los diez millones. Puedes medir la enorme productividad comercial de un solo empleado si una empresa es nativa de IA. Estamos hablando de un puñado de empresas, pero podemos vislumbrar la forma de lo que es posible para la productividad de un solo empleado. Puede ser difícil, puede llevar tiempo, pero es posible.

**Krugman:** ¿Cómo se verían esos números por dólar de capital invertido? Una preocupación es que este es un negocio enormemente intensivo en capital que reemplaza mano de obra. Las refinerías de petróleo de Nueva Jersey tienen ingresos enormes por empleado porque no hay trabajadores, solo instalaciones de capital monstruosas. ¿Es eso un factor?

**Azhar:** Anthropic ha recaudado decenas de miles de millones en lugar de cientos de miles de millones y tuvo un trimestre rentable antes de lo previsto. Lo que no sabemos es cuánto de ese capital se destina a desarrollar el próximo modelo frente a monetizar generaciones anteriores. Su OPI en los próximos seis a nueve meses nos lo dirá.

Las empresas chinas están utilizando mucho menos capital para construir modelos que son casi tan buenos. Así que creo que la parte más difícil de tu pregunta es que si cada modelo que OpenAI o Anthropic despliega y desarrolla cuesta diez veces más, pero solo dura un par de años antes de quedar obsoleto debido a la competencia, ¿qué tiene que ser cierto para que eso sea sostenible por más de un año o dos? Para mí, esa es también una pregunta realmente complicada.

**Krugman:** Has citado medidas intermedias. En lugar de los ingresos, observamos las líneas de código generadas, que se han disparado, frente a las aplicaciones realmente utilizables, que no lo han hecho. ¿Eso nos dice algo?

**Azhar:** Las líneas de código son una medida extraña. Hemos abaratado mucho la escritura de código, por lo que ahora lo escriben personas menos decididas. No es sorprendente que el aumento no haya sido acompañado por una productividad proporcional. Los datos sugieren que estamos obteniendo más código de alta calidad, pero también mucha basura inútil. Esta no es la primera vez que un insumo útil en la economía genera residuos. Piensa en un barril de petróleo: contamos todo el valor en el PIB, pero dos tercios se desechan como calor residual. Solo un tercio es energía útil. Las líneas de código descuidadas son una forma similar de desperdicio que hemos estado felices de tolerar en otros sectores durante un siglo.

**Krugman:** Una analogía extraña es cuando se generalizó el procesamiento de textos. Los libros empezaron a alargarse. Era muy fácil para los autores escribir cientos de páginas. Lo que podría haber sido una serie de dos volúmenes se convirtió en cinco.

**Azhar:** En ese frente, estamos en un momento de la ilustración. En la Francia del siglo XVIII, la batalla era sobre quién podía escribir y expresar su historia. Hombres y mujeres produjeron obras notables con plumas de ave que encapsulaban un mundo.

**Krugman:** Cierto.

**Azhar:** ¿Es peor que permitamos más expresión? Estamos peor cuando eso se conecta con un sistema de recomendación algorítmica que nos bombardea constantemente con basura. Pero no estamos inevitablemente peor porque estamos dando acceso a muchas más personas.

Al reducir los costos de acceso, podríamos encontrar personas asombrosas. Al romper los silos de conocimiento, podríamos encontrar conexiones, quizás algo en química de baterías que sea útil en cardiología. No lo sabemos porque nunca antes habíamos podido hacer que esos expertos hablaran. Miro cada oportunidad de manera discreta.

**Krugman:** Hay un libro potencial aquí: El lado positivo de la basura. Esto es una escena irreconocible de hace dieciocho meses. Vaya.

**Azhar:** Podríamos hacer que ChatGPT lo escribiera.

**Krugman:** Comencé mi carrera escribiendo artículos a mano en blocs de notas amarillos. Un cambio asombroso.

**Azhar:** Todavía escribo todo con una pluma estilográfica. Estoy escribiendo mi nuevo libro a mano y la mayor parte de mi investigación también. La computadora está apagada porque la IA hace todo el trabajo aburrido como PowerPoint y correos electrónicos, lo que me da tiempo para aplicar mi cerebro a las cosas en las que quiero pensar.

Me encantaría continuar esta conversación en unos meses. Gracias por invitarme.

**Krugman:** Muchas gracias. Cuídate." 

(Entrevista con Azeem Azhar,  Paul Krugman, blog, 13/06/26, traducción Deep Seek)

Amazon es un banco de pruebas para el futuro del trabajo... Lo que le suceda a los trabajadores de Amazon –para bien o para mal– le sucederá a los trabajadores de todo el mundo... Los empleadores de todo el mundo buscan imitar el modelo laboral de este gigante, caracterizado por la explotación, la inestabilidad laboral y –lo que es aterrador– el uso de tecnologías de IA para disciplinar y restar poder a los trabajadores... Cuando estoy en el camión de Amazon, cada movimiento que hago es rastreado con tecnología y evaluado por programas de IA: dónde estoy, qué paquetes he entregado y si voy al ritmo que el algoritmo de Amazon ha determinado que debo cumplir. Los informes al final de cada turno muestran cómo se comparan mis entregas con los tiempos prescritos por el estándar algorítmico de Amazon... El Gran Hermano: el “NetradyneDriver•i” , tu compañero de viaje en la furgoneta. Las lentes de la cámara apuntan en todas direcciones, midiendo continuamente tu velocidad y distancia.. Observa la orientación y el movimiento de tus ojos. Si bostezas. Si apartas la vista de la carretera durante demasiado tiempo... además, Amazon recurre a agentes de seguridad y a la policía local para imponer “una cultura organizativa de obediencia casi carcelaria, una “militarización” de las funciones de recursos humanos”... Este es el sombrío futuro que estamos legando a nuestros hijos, a menos que organicemos a los trabajadores de Amazon a gran escala y luchemos... Con una red de cientos de almacenes, “la empresa tiene la agilidad necesaria para redirigir el flujo de paquetes a otras instalaciones, manteniendo intacta la cadena de suministro” y haciendo que las huelgas en un solo centro resulten en gran medida irrelevantes... Eso significa organizarse en regiones enteras o en secciones completas de la cadena de suministro de la empresa (Jonathan Rosenblum)

"Entre el 7 y el 10 de junio, la convención cuatrienal de la AFL-CIO se ha reunido en Minneapolis con el objetivo declarado de organizarse “con unidad y claridad de propósito para empoderar a los trabajadores”. 

Esa claridad de propósito debería incluir un compromiso real para afrontar el mayor y más importante reto de organización al que se enfrentan los sindicatos en esta era: Amazon.

Hasta ahora, a pesar de algunos inspiradores focos de lucha aislados, el movimiento sindical estadounidense no ha conseguido llevar a Amazon a la mesa de negociación.

A nivel nacional, y continuando con un declive histórico, la afiliación sindical el año pasado fue de un mísero 10 % en EEUU, y eso sin contar siquiera los afiliados perdidos cuando Trump rompió los convenios colectivos que cubrían a casi un millón de trabajadores federales. Esto ha dejado a decenas de millones de trabajadores por organizar, pero los más importantes son los 1,5 millones de trabajadores y contratistas de Amazon.

Hace noventa años General Motors era el pionero del capitalismo, imitado por otros industriales que buscaban perfeccionar la eficiencia productiva, la explotación de los trabajadores y la extracción de beneficios. Los trabajadores de GM, organizados bajo la bandera del CIO y respaldados por sindicatos que no esperaban ganar nuevos afiliados con el proyecto –como el Sindicato de Mineros Unidos–, se opusieron a esa explotación, se declararon en huelga y consiguieron nuevas condiciones. Anunciaron un periodo de organización masiva, el apogeo moderno del poder sindical.

Amazon es el General Motors de hoy. Lo que le suceda a los trabajadores de Amazon –para bien o para mal– le sucederá a los trabajadores de todo el mundo.

Amazon es un banco de pruebas para el futuro del trabajo de todos nosotros. Los empleadores de todo el mundo buscan imitar el modelo laboral de este gigante, caracterizado por la explotación, la inestabilidad laboral y –lo que es aterrador– el uso de tecnologías de IA para disciplinar y restar poder a los trabajadores.

Amazon está perfeccionando la subcontratación, la mano de obra “justo a tiempo” y el aumento del ritmo de trabajo. Sus más de 250.000 repartidores en EEUU están todos subcontratados, ya sea a través de una multitud de pequeñas empresas llamadas socios de servicios de reparto (DSP) o contratados como autónomos. De esa forma, Amazon puede eludir la responsabilidad cuando los repartidores sufren lesiones, piden un aumento de sueldo o intentan sindicarse. Los almacenes funcionan con un modelo de mano de obra reducida. Los horarios normales a tiempo completo en los almacenes son cuatro turnos consecutivos de diez horas, pero Amazon suele recortar las horas de los trabajadores cada vez que la producción se ralentiza, incluso en medio de un turno, lo que causa estragos en unos presupuestos familiares ya de por sí ajustados. Luego, entre Acción de Gracias y Navidad Amazon impone horas extra obligatorias –una hora extra al día, más un día laborable adicional obligatorio cada semana–, lo que eleva la semana laboral a unas brutales 55 horas y hace caso omiso de los efectos en la vida personal y familiar de los trabajadores.

A través de su agresiva introducción de robots –ahora más de un millón–, Amazon está sustituyendo a los trabajadores y obligando a los que quedan a trabajar más rápido. No es de extrañar que los empleados sufran accidentes laborales con tanta frecuencia, y que la grave tasa de lesiones de la empresa sea casi el doble que la de sus homólogos del sector de los almacenes.

Luego está la IA. Sé algo de esto de primera mano, ya que he trabajado durante el último año y medio como repartidor a tiempo parcial de Amazon. La empresa de reparto para la que trabajo es un empleador justo, pero el problema no es ella; es Amazon, porque, aunque técnicamente los repartidores no somos empleados de la empresa, todos estamos sujetos a su seguimiento y supervisión.

Cuando estoy en el camión de Amazon, cada movimiento que hago es rastreado con tecnología y evaluado por programas de IA: dónde estoy, qué paquetes he entregado y si voy al ritmo que el algoritmo de Amazon ha determinado que debo cumplir. Los informes al final de cada turno muestran cómo se comparan mis entregas con los tiempos prescritos por el estándar algorítmico de Amazon. Cada semana se nos evalúa para determinar si tomamos fotos precisas en el momento de la entrega, si entregamos los paquetes exactamente donde el cliente lo solicitó y si recibimos comentarios positivos o negativos de los clientes. A través de este sistema, los conductores que no “alcanzan el ritmo” o que no cumplen con los estándares prescritos por Amazon pierden su empleo.

Los repartidores de Amazon de todo el país informan ahora de que no les despide un humano, sino la IA

¿Qué permite este nivel de supervisión? El Gran Hermano: el “NetradyneDriver•i” , tu compañero de viaje en la furgoneta. Las lentes de la cámara apuntan en todas direcciones, midiendo continuamente tu velocidad y distancia. Netradyne también controla si te detienes completamente en cada señal de stop, si utilizas el intermitente, si evitas desviarte del carril, si frenas, aceleras o tomas las curvas demasiado rápido. Observa la orientación y el movimiento de tus ojos. Si bostezas. Si apartas la vista de la carretera durante demasiado tiempo. Todos estos datos se introducen en un sistema de IA donde la tecnología, y no una persona, evalúa tu comportamiento cada segundo. Netradyne se jacta de esto y lo denomina “IA física implementada a gran escala”.

En los grupos de chat de Reddit, los repartidores de Amazon de todo el país informan ahora de que no les despide un humano, sino la IA. En el caso de los trabajadores de almacén, Amazon ha aprovechado la misma tecnología de vigilancia para asegurarse de que las tasas de recogida, embalaje y clasificación de los trabajadores cumplan con sus estándares determinados algorítmicamente, que sus escaneos sean perfectos y que minimicen el “tiempo fuera de la tarea” –como ir al baño–. Todo se mide y se supervisa. Y si no “alcanzas la tasa”, primero te aconsejan, luego te sancionan y, finalmente, te despiden.

En muchos almacenes, Amazon recurre a agentes de seguridad y a la policía local para imponer “una cultura organizativa de obediencia casi carcelaria –lo que equivale a una “militarización” de las funciones de recursos humanos”, según un informe académico reciente. “Parece que estamos entrando en una prisión y que intentan asegurarse de que no nos escapemos”, cita el informe a un trabajador.

Esta distopía laboral se está perfeccionando en Amazon y luego se exporta a otros empleadores: en fábricas, tiendas de alimentación, hospitales, restaurantes, hoteles, obras de construcción, laboratorios y oficinas. Este es el sombrío futuro que estamos legando a nuestros hijos, a menos que organicemos a los trabajadores de Amazon a gran escala y luchemos.

Amazon no es solo un problema para quienes trabajamos en el sector logístico. De ser una humilde tienda de libros en línea, se ha transformado en una referencia que puede revolucionar otros sectores. Su avaricia no hace más que crecer. Amazon gestiona hoy 532 tiendas de alimentación Whole Foods y está ampliando rápidamente su red de reparto de comestibles. Este es el siguiente gran sector que pretende revolucionar.

A través de Amazon Web Services, la empresa es ahora un proveedor global dominante de potencia informática, almacenamiento, redes, análisis y seguridad. Amazon fabrica sus propios chips de IA Trainium, compitiendo directamente con Nvidia. Amazon produce y distribuye películas y series de televisión a través de sus Amazon MGM Studios. El fundador de Amazon, Jeff Bezos, es propietario del Washington Post. Amazon One Medical es un servicio de atención primaria que ofrece asistencia en línea y en clínicas, y está entrando con fuerza en el mercado de los medicamentos con receta a través de Amazon Pharmacy. A través de su filial Ring, Amazon domina hoy en día el mercado de la seguridad doméstica y ofrece otros productos electrónicos de consumo líderes, como Alexa y Kindle.

¿Se puede derrotar a una empresa tan grande y expansiva, un gigante con casi tres billones de dólares de valoración bursátil? Sí, se puede. Pero, como destaca un informe publicado el 4 de junio, se necesitará un esfuerzo titánico y sin reservas por parte de todo el movimiento sindical estadounidense para hacer que retroceda –no solo los valientes pero fragmentados esfuerzos que hemos visto hasta ahora–.

El informe, Renewing Labor and Winning at Amazon, del que soy coautor junto con Michael McQuarrie y Benjamin Y. Fong, y que fue publicado por el Center for Work and Democracy de la Universidad Estatal de Arizona, documenta cómo, a diferencia de la década de 1930, cuando los organizadores del CIO pudieron frenar la producción mediante huelgas en unos pocos centros de producción clave, el proyecto de organización de Amazon debe apuntar más allá. Con una red de cientos de almacenes, centros de clasificación e instalaciones de carga aérea, “la empresa tiene la agilidad necesaria para redirigir el flujo de paquetes a otras instalaciones, manteniendo intacta la cadena de suministro” y haciendo que las huelgas en un solo centro resulten en gran medida irrelevantes, señala el informe, concluyendo que “los estrategas sindicales de hoy en día deben reconocer que, para tener éxito, la organización debe interrumpir el flujo de la cadena de suministro de Amazon”.

Es necesario organizarse en regiones enteras o en secciones completas de la cadena de suministro de la empresa

Eso significa organizarse en regiones enteras o en secciones completas de la cadena de suministro de la empresa. El informe destaca dos regiones estratégicas en particular. La primera se centra en el área de Los Ángeles y el Inland Empire, justo al este de los puertos de Los Ángeles y Long Beach, por donde pasa la mayor parte de la mercancía importada de Amazon antes de distribuirse a los almacenes de todo el país. La segunda comprende la región del noreste, donde se concentra una gran cantidad de clientes de Amazon. El sindicato Teamsters ya está organizándose en ambas regiones, donde los trabajadores se han enfrentado tenazmente a la empresa. Pero la escala de la organización hasta la fecha no está a la altura del desafío. En el enorme almacén JFK8 en Staten Island, el Amazon Labor Union, ahora parte de los Teamsters, ganó una histórica votación de representación sindical en 2022. Cuatro años después, a pesar de la persistente organización de los trabajadores, Amazon aún no ha accedido a reconocer al sindicato ni a negociar.

Cientos de organizadores internos –activistas políticos que han aceptado puestos de trabajo en Amazon para “infiltrarse” u organizar desde dentro– han desarrollado una gran sofisticación en la organización en Amazon en los últimos años, y deben desempeñar un papel importante en cualquier campaña nacional. Lo mismo ocurre con los miembros sindicales existentes en los sectores de la logística, la alimentación, la sanidad y otros. “Los miembros de Teamsters de UPS y DHL han sido organizadores especialmente eficaces, ya que comparten con los trabajadores de Amazon un lenguaje común y preocupaciones comunes sobre el proceso de trabajo de la cadena de suministro, el aumento del ritmo de trabajo, la tecnología y los problemas que plantea la dirección”, señala el informe Renewing Labor and Winning at Amazon. “Ellos, junto con los miembros sindicales de otros sectores, pueden señalar fácilmente los logros que han conseguido mediante la negociación colectiva y la huelga, que diferencian drásticamente sus condiciones de trabajo de las de los trabajadores de Amazon”.

Si bien la organización debe centrarse en los almacenes y orientarse hacia la construcción de acciones de huelga masivas, el movimiento sindical debe concebir –y financiar– una campaña global que atraiga al público, a otras empresas, a los gobiernos y a los reguladores. Esto se debe a que el impacto de Amazon va mucho más allá del lugar de trabajo, y se necesitará presión tanto dentro de la cadena de suministro como en toda la sociedad para obligar a la empresa a negociar con los sindicatos.

Decenas de miles de camiones de Amazon contaminan el aire, perjudican la salud pública y deterioran las vías públicas, y las exenciones fiscales que Amazon exige habitualmente privan a los gobiernos locales de los recursos necesarios para prestar servicios públicos.

“Las comunidades en zonas con alta concentración de almacenes, como el Inland Empire de California, son lugares idóneos para unir a los trabajadores y a los miembros de la comunidad en campañas comunes contra la explotación en los almacenes y contra las cargas externalizadas que Amazon impone a la comunidad en general”, señala el informe.

Dado que la Junta Nacional de Relaciones Laborales no es una vía eficaz para obligar a Amazon a negociar, los sindicatos deben impulsar iniciativas electorales a nivel estatal y local para promover las demandas clave de los trabajadores y la comunidad. Este no es un concepto nuevo. Hace quince años, la campaña “Fight for $15” (Lucha por los 15 dólares) se valió del poder de las iniciativas electorales para conseguir aumentos salariales para millones de trabajadores. Algunos llegaron a crear sindicatos en sus lugares de trabajo. Hoy en día, el lema podría ser “Fight for $30” (Lucha por los 30 dólares), una cifra que los trabajadores de Amazon citan con frecuencia como el mínimo indispensable para sobrevivir.

Las iniciativas también podrían establecer normas de seguridad para los trabajadores, prohibir la subcontratación de los repartidores de Amazon y restringir la ubicación de los centros de datos.

Otra idea de iniciativa consiste en gravar a los robots. Esto repondría los ingresos que los gobiernos pierden cuando Amazon sustituye a los humanos –que pagan impuestos sobre la nómina y que también contribuyen a los ingresos por impuestos sobre las ventas cuando gastan dinero en la comunidad– por robots, que no hacen ninguna de esas cosas. Las iniciativas también podrían exigir a Amazon que contribuya a un fondo de vivienda asequible controlado públicamente para compensar la destrucción de viviendas que provoca la expansión de los almacenes. O podrían exigir a Amazon que financie clínicas de salud y la limpieza del aire, para compensar la contaminación causada por el movimiento diario de sus camiones y vagones.

Estas y otras ideas de iniciativas alteran el modelo de negocio de explotación de Amazon y pueden ser mecanismos poderosos para unir a los trabajadores y a los miembros de la comunidad en una causa común y en la demanda definitiva de reconocimiento sindical y convenios colectivos. En algunos casos, las iniciativas que desafían el modelo de negocio de Amazon pueden llevarse a cabo como campañas legislativas. En la ciudad de Nueva York, una coalición de sindicalistas y activistas comunitarios está presionando al Ayuntamiento para que apruebe la Ley de Protección de la Distribución, que obligaría a Amazon a contratar a los repartidores directamente y a mejorar las normas de seguridad. Es un buen comienzo. Ahora imagina si se lanzaran campañas a favor de la Ley de Protección de la Distribución simultáneamente en 20 ciudades.

Los sindicatos también deberían aprovechar la frustración que los proveedores y vendedores externos sienten por la presencia de Amazon. Las personas y las pequeñas empresas que intentan vender sus productos en la plataforma de Amazon ven cómo el gigante les reduce los márgenes. Algunas empresas le han acusado de robarles sus ideas y luego lanzar productos competidores. Los proveedores como los DSP [un programa que “permite a emprendedores crear su propia empresa de reparto” dentro de Amazon] viven continuamente en vilo, ya que sus contratos con Amazon pueden ser rescindidos casi sin previo aviso. Una campaña creativa puede encontrar una causa común con estas fuerzas dispares lanzando luchas locales y estatales para frenar el poder de la compañía frente a los vendedores individuales y las pequeñas empresas.

Amazon “tiene un dinamismo corporativo y una flexibilidad infraestructural sin parangón en ninguna otra empresa contemporánea”, señala el informe. “Pero su enorme tamaño y riqueza no la hacen invencible. De hecho, la velocidad y la complejidad de la cadena de suministro de Amazon la convierten en un objetivo de organización vulnerable, además de desafiante. Una campaña multidimensional y bien dotada de recursos puede garantizar el reconocimiento sindical y la firma de convenios en Amazon”.

¿En qué consiste una campaña “bien dotada de recursos”? Actualmente, los sindicatos gastan en total unos diez millones de dólares al año en la organización referente a Amazon, y la mayor parte de esa cantidad procede de los Teamsters. Eso simplemente no es suficiente para vencer a una empresa con 1.500 centros de trabajo en EEUU y más de 120.000 millones de dólares en efectivo disponible. Para sindicalizar a 80.000 trabajadores en Los Ángeles, o a 100.000 en la costa este, o a 50.000 en Florida, o a las decenas de miles en otras regiones creo que necesitaremos al menos 100 millones de dólares anuales durante al menos una década para financiar a miles de organizadores, tanto dentro como fuera de las instalaciones de Amazon, junto con una sólida infraestructura de campaña para construir un nuevo movimiento de organización industrial al estilo del CIO.

Puede parecer mucho dinero, pero hay que tener en cuenta que los activos del movimiento sindical estadounidense rondan hoy los 35.000 millones de dólares, lo que supone un aumento del 225 % en los últimos 15 años, y que los líderes sindicales estadounidenses gastaron más de 400 millones de dólares en la fallida candidatura de Biden-Harris.

En conjunto, dentro del movimiento sindical, los recursos están ahí para montar una campaña seria contra Amazon. Emprender o no la lucha es una elección política.

Esta no puede ser una batalla que asuman solo unos pocos sindicatos. Debe ser un esfuerzo conjunto. Hace unos 90 años, los líderes del Sindicato de Mineros Unidos y otros sindicatos hicieron un pacto para organizar a los trabajadores de las industrias del automóvil, el acero, la electricidad y el caucho, porque sabían que sin una organización masiva, toda la clase trabajadora estaba en peligro. Este fin de semana, mientras los líderes de la AFL-CIO se reúnen en Minneapolis, los sindicatos se encuentran en la misma encrucijada peligrosa. Esperemos que tomen la decisión correcta, como hicieron sus predecesores hace 90 años."

(Jonathan Rosenblum, CTXT, 12/06/2026 )