SERIE NATIVA DE IA · FUTURE MAKERS STRATEGIC COLLAB, PARTE 2 DE 4
Por qué ahora: cuando el acceso a la IA es barato, lo que se potencia es el contexto
Resumen en un minuto
Qué es esto Parte 2 de la serie FM-SC. Aquí sostengo que, cuando los modelos de IA se vuelven baratos y parecidos, la ventaja de una empresa pasa a estar en su contexto: las decisiones, estándares y lecciones que construye al hacer el trabajo. Una serie de charlas que conserva lo aprendido es una forma de construir ese contexto.
Por qué importa El AI Index de Stanford midió una reducción de costos superior a 280 veces para el rendimiento tipo GPT-3.5 en dos años, y una adopción por parte de organizaciones del 88% en el AI Index 2026. Si las lecciones de tu equipo solo viven en la cabeza de las personas, esa es la parte de tu ventaja que puedes perder con una sola renuncia.
Qué puedes hacer después de leer Haz una lista de tres decisiones que tu equipo tomó este trimestre y que nadie fuera de él podría reconstruir, y averigua dónde está documentada cada una. Luego, verifica que FM-SC cumpla sus tres pruebas públicas para octubre de 2027.
Future Makers Strategic Collab — la espina de la serie
▶ Véalo en marcha: abra la demo en vivo pública · sin registro
- No es otra charla tecnológica — qué distingue a FM-SC episodio 1
- Por qué ahora — cuando la IA es barata, el contexto se potencia este episodio
- La coincidencia — se forja en el andar, no en la charla episodio 3
- Cabeza, billetera, corazón, alma — dos testigos por práctica episodio 4
Cómo interpretar las etiquetas: EVIDENCE es fuente, DESIGN es cómo está construido FM-SC, OPEN aún no está probado, y LENS es mi propia convicción.
De qué trata este episodio: por qué el contexto es la ventaja cuando la IA es barata
La parte 2 plantea por qué el formato de charla técnica importa más después de la IA que antesdespués de la IA que antes. Esto va dirigido a líderes que deciden de dónde vendrá su ventaja en IA, y a quienes construyen equipos cuyas lecciones viven solo en la cabeza de las personas. En resumen: los modelos bajan de precio y se parecen cada vez más, así que lo que una empresa aprende y logra conservar se vuelve su contexto, y ahí está su verdadera ventaja.
Apuesta primero
Entre noviembre de 2022 y octubre de 2024, ¿cuánto bajó el costo de obtener un desempeño tipo GPT-3.5 de un modelo de IA?
- A. Unas 2×.
- B. Unas 20×.
- C. Más de 200×.
Elige antes de seguir leyendo.
La respuesta, y por qué eso cambia la pregunta
EVIDENCE C. El AI Index de Stanford reporta que el costo de ese nivel de desempeño bajó más de 280 veces en esos dos años, mientras que la proporción de organizaciones que usan IA subió de 55% a 78% (Stanford HAI, AI Index 2025). EVIDENCE Analistas independientes en Epoch AI midieron precios para capacidad constante cayendo entre 9× y 900× por año, según la tarea, con la advertencia de que las caídas más rápidas son recientes y podrían no mantenerse (Epoch AI). EVIDENCE En el AI Index 2026, la adopción por parte de organizaciones llegó a 88%, y la diferencia de rendimiento entre los mejores modelos de EE.UU. y China prácticamente se cerró, con el líder apenas 2.7% por delante (Stanford HAI, AI Index 2026).
Cuando la misma inteligencia es barata, ampliamente usada y más o menos pareja entre proveedores, el modelo deja de ser la ventaja. Decir "usamos IA" pronto será como decir "usamos electricidad": cierto, pero no es una razón para elegirte. Así que la pregunta que toda empresa debe responder pasa de ¿qué IA deberíamos comprar? a ¿qué tenemos que la IA no puede conseguir en ningún otro lado?
Lo que dijeron los Future Makers
Nuestros primeros Future Makers fueron Felix Meng y Austin Cai de XTrace. Ellos respondieron esa pregunta en su charla. Después del evento, Austin resumió los tres puntos que más resonaron en la sala, en sus propias palabras en LinkedIn:
- "Access to top AI models are commoditized, now a business’s advantage comes from the context it own: the decisions, standards and lessons built through doing the work." (Traducción: "El acceso a los mejores modelos de IA ya está comoditizado; ahora, la ventaja de un negocio viene del contexto que posee: las decisiones, estándares y lecciones que construye al hacer el trabajo.")
- "Governance is the difference between a dirt road and a highway." (Traducción: "La gobernanza es la diferencia entre un camino de tierra y una autopista.")
- "Every AI session should leave the business better equipped for the next." (Traducción: "Cada sesión de IA debería dejar al negocio mejor preparado para la siguiente.")
OPEN El primer punto es una tesis, y muchos inversionistas y proveedores la comparten (Insight Partners, por ejemplo). Eso no la hace incorrecta, pero sí significa que hay que ponerla a prueba en vez de repetirla. Trabajo en una consultora, que tiene sus propios motivos para simpatizar con la idea, así que toma mi acuerdo con ese contexto.
Por qué una serie de charlas tiene sentido en esta historia
Aquí está la conexión que muchos no ven. Si la ventaja pasa al contexto—es decir, a las decisiones, estándares y lecciones que una empresa construye al hacer el trabajo—entonces la forma en que una empresa aprende de personas externas se vuelve parte de su ventaja.
Una charla típica cuesta mucho para aprender y poco para olvidar. Alguien brillante comparte una idea de frontera; la sala asiente; la grabación termina en una carpeta, junto a todas las demás. Todo el contexto que se creó se va por la puerta con la persona ponente.
Escribí sobre esto por primera vez en 2022, antes de la ola actual de IA. Después de la Southern Data Science Conference, argumenté que una conferencia debería pasar de ser una foto instantánea a ser interacciones continuas, y de gente consumiendo contenido a gente creando juntas (Wu, 2022). En ese momento, era un lujo. En aquel entonces, la ventaja de un equipo aún podía venir de tener mejores herramientas que sus competidores. Cuando todos tienen las mismas herramientas, la foto vale aún menos, y la interacción continua es donde está el valor.
DESIGN El concepto de acumulación es sencillo. Una lección que cambia cómo se organiza la siguiente charla hace que esa charla sea un poco mejor, y sus lecciones parten de un piso más alto. Una lección que se queda en una carpeta no cambia nada, por buena que haya sido. Así que la prueba de una serie de charlas no es qué tan buena fue una charla en particular, sino si la charla número diez se nota mejor organizada que la primera.
DESIGN FM-SC trata cada charla como una forma de construir contexto que permanece:
- La pregunta que traemos se escribe antes de la charla, para que lo que aprendamos pueda ser verificado.
- Lo que pregunta la sala se captura, una persona lo confirma y se guarda.
- Los compromisos tienen responsables y fechas, así que el aprendizaje se convierte en acción.
- Un fallo de alguien independiente registra lo que realmente descubrimos.
- Y las lecciones se convierten en reglas que nuestro propio sistema aplica antes del siguiente paso.
Ese último punto es donde FM-SC y la tesis de nuestros primeros ponentes se encontraron. XTrace lo plantea así: una corrección hecha hoy debe guiar el trabajo de mañana, no quedarse en una nota. Nos lo tomamos tan en serio que lo aplicamos a nosotros mismos esa misma semana. EVIDENCE Las lecciones que sacamos de la primera charla ahora son seis reglas que nuestro sistema revisa antes de actuar. Algunas solo aconsejan, otras advierten y una detiene un paso por completo hasta que se cumpla su condición. Las notas que antes habríamos dejado en esa carpeta ahora nos responden, empezando por la de la parte 1 sobre los organizadores que olvidaron grabar nuestra propia preparación. Esa es la que primero nos advierte.
DESIGN Puedes leer esas reglas tú mismo. Son una página llamada Lecciones en la app web de FM-SC, que es pública y no requiere iniciar sesión. Cada regla indica si aconseja, advierte o detiene un paso. Las personas y eventos del recorrido en la app son ficticios; las reglas, y la forma en que se anticipan a cada acción, son las que usamos realmente.
¿Es “revolucionario”?
Es tentador llamar a FM-SC revolucionario en la era post-IA. Yo no lo haré, todavía. Esa palabra se gana con resultados a lo largo del tiempo, y FM-SC solo ha hecho una charla.
Lo que sí voy a argumentar es algo más acotado y, creo, más útil. DESIGN Cuando la inteligencia se vuelve una mercancía, la verdadera ventaja de un negocio es qué tan rápido aprende y qué tan bien conserva lo aprendido. Una serie de charlas es una de las formas más antiguas en que las organizaciones aprenden del exterior. Si la ejecutas como un bucle cerrado, con una pregunta, un fallo independiente y lecciones que se ponen en práctica, deja de ser solo un evento y se convierte en un motor. Si ese motor realmente se potencia o no, es una cuestión empírica. Así que aquí está cómo lo sabremos.
Mi apuesta, en público
Mi apuesta: para octubre de 2027, FM-SC habrá hecho tres cosas. Si no, será solo otra serie de charlas, y lo diré aquí.
- Al menos una charla ha cerrado los nueve pasos del bucle (listados en la parte 1), con cada paso registrado en el momento en que ocurrió.
- Al menos la presentación de un Future Maker ha llevado a la charla de otro Future Maker.
- Al menos una prueba justa ha llegado a un veredicto, aprobado o no, y el ponente lo ha recibido por escrito.
OPEN Ninguna de las tres ha pasado todavía.
Cómo podría fallar esto
- La tesis es incorrecta. Si la ventaja decisiva sigue estando en manos de quien tenga el mejor modelo, el contexto importa menos de lo que creemos. La tendencia del AI Index hace que eso sea poco probable en el corto plazo, pero las tendencias cambian.
- Acumulamos en vez de potenciar. Guardar las lecciones dentro de un solo programa no potencia nada. Tienen que llegar a quienes realmente hacen el trabajo.
- Las reglas se quedan viejas. Una lección que era válida en octubre puede estar equivocada en marzo. Por eso, cada regla en nuestro sistema tiene una fecha de revisión. Si dejamos de revisar, las reglas se convierten en ese tipo de memoria caducada contra la que advirtió la primera charla.
Tu movimiento de la semana
Haz una lista de tres decisiones que tu equipo tomó este trimestre y que nadie fuera de él podría reconstruir: por qué eligieron un enfoque sobre otro. Pregunta dónde vive cada una hoy. Si la respuesta es "en la cabeza de alguien", ese es el contexto que estás a una renuncia de perder.
Próximo
La parte 3 trata sobre el vínculo en sí: cómo entender ambos lados de una colaboración, su dolor actual y su sueño para el futuro, requiere muchas caminatas y charlas, no solo una.
Fuentes
- Stanford HAI (2025). AI Index Report 2025. https://hai.stanford.edu/ai-index/2025-ai-index-report
- Stanford HAI (2026). AI Index Report 2026. https://hai.stanford.edu/ai-index/2026-ai-index-report
- Epoch AI (2025). Tendencias de precios de inferencia de LLM. https://epoch.ai/data-insights/llm-inference-price-trends
- Insight Partners. Construyendo un foso en la era de la IA (perspectiva de inversionista). https://insightpartners.com/ideas/building-a-moat-in-the-age-of-ai
- Austin Cai, publicación pública en LinkedIn tras la charla del 2 de octubre de 2026. Citado textualmente (testimonio, no investigación); LinkedIn exige iniciar sesión, así que un lector no puede acceder sin cuenta.
- XTrace, sitio oficial de la empresa. https://xtrace.ai/