Notas para empresas previas a la IA que están haciendo la transición: - El objetivo es ser el punto de difusión económica entre el progreso del modelo y el valor para el cliente. Eso significa que si los modelos mejoran 3x, tu cliente recibe un valor 3x+. - Los modelos están avanzando de manera desigual en diferentes dominios ("inteligencia irregular"), así que quieres representar tu problema en el dominio donde los modelos sobresalen. ¿Puedes tomar tu problema empresarial y reformularlo como código, matemáticas o lógica estructurada? - El mayor error es intentar sobreingenierizar alrededor de los modelos. Predisponte a exponerlos más. Incluso técnicas como la ingeniería de contexto probablemente tendrán una vida útil limitada a medida que las ventanas de contexto se expanden y el progreso del modelo continúa. - La forma en que organizas tu empresa importa. Comienza desde un extremo: en lugar de que la IA mejore marginalmente la productividad individual, pon al modelo a cargo de una unidad de negocio completa y haz que los individuos manejen excepciones y realicen el trabajo que los modelos no pueden (es decir, llevar al cliente a cenar un filete). Comienza con algo poco glamuroso y de baja visibilidad y observa cómo se desempeña. - Es probable que el producto se divida en dos superficies: una interfaz de usuario tradicional que soporte la interacción humana y flujos de trabajo + una superficie similar a un terminal que se auto-modifica y maneja tareas ambiguas y multifuncionales (sí .. openclaw para la empresa). - Tu cliente sabe incluso menos sobre estos modelos que tú. Necesitas comenzar a guiarlos hacia la versión más ambiciosa de su futuro. Si estás en una industria que realmente valora su base de empleados, pinta un cuadro de la IA que les permita contratar más y aumentar el NPS de los trabajadores — no contratar menos y mejorar la línea de fondo. Ayudarles a ser suficientemente ambiciosos será tan difícil como alinear la tecnología con esas ambiciones.