Cuando la IA se convierte en infraestructura: la visión de Sam Altman en una entrevista con Rowan Cheung y la reorganización de la economía digital

El cambio imparable no comienza mañana, ya está en marcha, pero muy pocas personas lo notan a tiempo

Los días en que la inteligencia artificial se consideraba una tecnología futurista han quedado atrás. Lo que Sam Altman describió en su entrevista con Rowan Cheung a principios de octubre de 2025 ya no es una visión, sino la evaluación de una transformación ya en marcha. Con 800 millones de usuarios activos semanales, ChatGPT ha alcanzado la masa crítica necesaria para evolucionar de un producto a una plataforma. Las cinco tesis centrales de esta conversación —ChatGPT como plataforma de distribución, Agent Builder como herramienta de democratización, la visión de las empresas de cero personas, los avances científicos impulsados ​​por la IA y la normalización de los medios sintéticos— marcan puntos de inflexión en cómo las empresas crearán, distribuirán y escalarán valor en el futuro. Este análisis examina las raíces históricas de este desarrollo, sus mecanismos actuales y las implicaciones estratégicas para las empresas que buscan no solo sobrevivir, sino prosperar en esta nueva era.

Más información aquí:

• Entrevista de YouTube con Rowan Cheung: Sam Altman habla sobre empresas de IA sin personal, Sora, avances en AGI y más

La evolución de los modelos de distribución: de las tiendas de aplicaciones a los ecosistemas conversacionales

Para comprender la importancia de ChatGPT como plataforma de distribución, conviene analizar la historia de los canales de distribución digital. El avance del iPhone en 2007 y la introducción de la App Store en 2008 crearon un paradigma completamente nuevo: el software ya no se vendía en tiendas, sino que se descubría y descargaba en plataformas digitales. Apple controlaba la distribución y se quedaba con el 30 % de cada transacción. Este modelo se convirtió en el modelo para casi todas las plataformas posteriores.

La siguiente evolución llegó con redes sociales como Facebook, que permitieron la distribución no a través de una tienda independiente, sino directamente en el feed de noticias. La publicidad se convirtió en el modelo de negocio dominante porque la atención se captaba donde ya estaban los usuarios. El principio: llevar la funcionalidad a donde están los usuarios, en lugar de enviarlos a una ubicación separada.

ChatGPT marca ahora su tercera etapa evolutiva. En el DevDay 2025, OpenAI no solo presentó nuevos modelos, sino que también inició un cambio fundamental en la mentalidad. Con el SDK de Apps, los desarrolladores pueden integrar aplicaciones interactivas directamente en el chat. Los usuarios pueden crear listas de reproducción de Spotify, buscar propiedades con Zillow o diseñar con Canva sin tener que salir de ChatGPT. La conversación en sí misma se convierte en la interfaz, el sistema operativo y la plataforma de distribución. Este desarrollo difiere fundamentalmente de la anterior Tienda GPT, que existía como un elemento independiente. Ahora, las aplicaciones se integran a la perfección en el flujo de la conversación. OpenAI, por lo tanto, sigue la estrategia de iOS: control sobre la capa de inteligencia, provisión de herramientas para desarrolladores y distribución a través de una enorme base de usuarios de 800 millones de usuarios activos semanales.

Los desarrollos históricos revelan un patrón claro: cada nueva plataforma reduce la fricción entre la intención y la ejecución. La App Store redujo la fricción con las tiendas físicas, las redes sociales la redujeron con aplicaciones independientes, y ChatGPT ahora la reduce al lenguaje natural. Ya no necesitas saber qué aplicación necesitas; simplemente indicas lo que quieres lograr.

Paralelamente a este desarrollo, los modelos de negocio han evolucionado. Si bien las primeras empresas de software dependían de la venta de licencias, posteriormente predominaron las suscripciones y los modelos basados ​​en publicidad. OpenAI introduce ahora una nueva dimensión con el Protocolo de Comercio Agenético: las transacciones pueden completarse directamente en el chat. El pago instantáneo permite realizar compras sin interrumpir la experiencia del usuario. Esto crea una nueva categoría de comercio que no es ni comercio electrónico ni comercio social, sino comercio conversacional. Las empresas que no están presentes en este ecosistema corren el riesgo de perder el contacto con una base masiva de usuarios. En las primeras semanas tras el anuncio del SDK de aplicaciones, se registraron más de 50 000 desarrolladores. Esta dinámica recuerda a los inicios del iPhone, cuando los desarrolladores se dieron cuenta del surgimiento de una nueva plataforma en la que debían estar presentes.

La relevancia estratégica para las empresas es inmensa. Si no te encuentran en el chat hoy, simplemente no existes para un número creciente de usuarios. La pregunta ya no es si necesitas un sitio web o una aplicación, sino si tienes presencia conversacional. La distribución se está replanteando: alejándose de los embudos de conversión, el SEO y la optimización de la tienda de aplicaciones, y acercándose a la visibilidad en lenguaje natural y la relevancia contextual.

El constructor de agentes: democratizando la automatización y sus consecuencias disruptivas

La segunda tesis clave de la entrevista de Altman se refiere a la reducción drástica de las barreras de entrada para el desarrollo de agentes de IA. Con Agent Builder, OpenAI ha creado una herramienta visual y sin código que permite a cualquier trabajador del conocimiento construir, probar e implementar agentes autónomos. Esta democratización no es solo una frase publicitaria, sino un cambio fundamental en cuanto a quién puede dar forma a la automatización.

Históricamente, la automatización siempre ha sido dominio de especialistas. La industrialización de los siglos XVIII y XIX requirió ingenieros e ingenieros mecánicos. La digitalización de finales del siglo XX requirió programadores y departamentos de TI. Si bien la Automatización Robótica de Procesos (RPA) de la década de 2010 redujo los requisitos técnicos, siguió siendo una herramienta para equipos dedicados. Agent Builder rompe radicalmente con esta tradición. Un gerente de marketing puede crear un agente que genere informes semanales. Un representante de ventas puede configurar un agente que genere propuestas. Un abogado puede desarrollar un agente que revise los contratos en busca de cláusulas específicas. La barrera entre la idea y la implementación se reduce al mínimo.

Este desarrollo sigue un patrón familiar en la historia del software: la abstracción permite la escalabilidad. A medida que los lenguajes de programación evolucionaron del código máquina a lenguajes de alto nivel, más personas pudieron desarrollar software. Cuando las hojas de cálculo evolucionaron de VisiCalc a Excel, millones de personas sin conocimientos de programación pudieron realizar cálculos complejos. Agent Builder es la siguiente etapa de esta abstracción. Abstrae no solo el código, sino también flujos de trabajo completos, lógica de decisión e integraciones.

Las implicaciones son de gran alcance. Durante los próximos doce meses, las empresas se centrarán intensamente en el uso de agentes. No porque sea tecnológicamente fascinante, sino porque sus competidores lo están haciendo. Los primeros en adoptarlo ya están reportando importantes mejoras de productividad. El banco español BBVA creó más de 2900 Tareas de Procesamiento Global (GPT) personalizadas en seis meses, y el 80 % de los usuarios reporta un ahorro de tiempo semanal de más de dos horas. Estas cifras pueden parecer conservadoras, pero multiplicadas por miles de empleados, se traducen en enormes mejoras de eficiencia.

En la entrevista, Altman enfatizó que el trabajador del conocimiento promedio ahora puede crear sus propios agentes. La consecuencia: cada departamento puede desarrollar sus propias automatizaciones sin depender de los recursos centrales de TI. Esto conduce a una descentralización de la innovación. La automatización ya no depende del presupuesto de TI, sino de la iniciativa de cada equipo. La ventaja competitiva reside en quienes experimentan con rapidez. Las empresas que aún esperan soluciones perfectas y centralizadas serán superadas por equipos ágiles que comienzan con agentes simples y los mejoran iterativamente.

Sin embargo, este desarrollo también conlleva riesgos. El desarrollo descentralizado de agentes puede generar procesos fragmentados, brechas de seguridad y desafíos de gobernanza. ¿Quién puede usar qué datos? ¿Cómo se auditan los agentes? ¿Qué estándares de calidad se aplican? Las empresas deben desarrollar marcos que faciliten la innovación sin perder el control. Las organizaciones exitosas serán aquellas que encuentren un equilibrio entre la experimentación y la gobernanza, entre la velocidad y la seguridad.

Agent Builder también envía una señal a la industria del software. Herramientas como Zapier, Make o las soluciones RPA tradicionales se enfrentan al reto de que su función principal —la automatización del flujo de trabajo— se esté integrando directamente en las interfaces conversacionales. La pregunta no es si estas herramientas desaparecerán, sino cómo deben reposicionarse para seguir siendo relevantes.

De empresas unipersonales a empresas ceropersonales: la reorganización de la creación de valor y el trabajo

La tercera tesis es la más provocadora: Altman habló de una apuesta entre los directores ejecutivos del sector tecnológico sobre cuándo surgiría la primera empresa de cero personas con un valor de mil millones de dólares. Originalmente, la apuesta era por la primera empresa de un solo empleado con un valor de un billón de dólares. Pero el desarrollo avanza más rápido de lo previsto. Altman predice que esto podría hacerse realidad en años, no décadas.

Para comprender la magnitud de esto, es necesario considerar la evolución histórica del tamaño de las empresas y la creación de valor. En la era industrial, los ingresos y el número de empleados estaban estrechamente correlacionados. Una mayor producción requería más trabajadores. La era digital comenzó a romper esta correlación. Instagram se vendió a Facebook por mil millones de dólares en 2012, con 13 empleados. WhatsApp alcanzó una valoración de 19 mil millones de dólares en 2014, con 55 empleados. Estos ejemplos demuestran que el software y los efectos de red pueden generar un apalancamiento extremo.

La siguiente etapa implica la expansión de empresas unipersonales mediante agentes de IA. El emprendedor utiliza agentes para atención al cliente, marketing, desarrollo de productos, ventas y finanzas. Esta visión suena futurista, pero ya es tecnológicamente viable hasta cierto punto. La IA puede escribir código, crear diseños, redactar textos de marketing, responder a las consultas de los clientes y analizar datos. Los factores limitantes ya no son principalmente técnicos, sino más bien estratégicos: ¿Qué problema se está resolviendo? ¿Para quién? ¿Y cómo se llega a este grupo objetivo?

Altman va un paso más allá: empresas sin personal. Agentes que operan de forma autónoma, toman decisiones, asignan recursos y crean valor, sin intervención humana en las operaciones diarias. Las personas no desaparecerían, sino que asumirían roles estratégicos y orquestadores. Definen objetivos, establecen parámetros y supervisan los resultados. Los agentes se encargan de la ejecución.

Esta visión plantea preguntas fundamentales. Si un agente puede dirigir una empresa, ¿qué queda como contribución humana? Altman argumenta que el impulso, la creatividad y el criterio humanos no desaparecen, sino que se expanden hacia nuevas áreas. El trabajo pasa de ejecutar a moldear, de reaccionar a visualizar. Pero esta transformación no es indolora. Perfiles laborales completos se vuelven obsoletos. Los trabajadores del conocimiento, cuyas actividades consisten principalmente en procesar información, se enfrentan al reto de redefinir su rol.

En la entrevista, Altman utilizó una metáfora interesante: un agricultor de hace 50 años probablemente no percibiría el trabajo de oficina actual como un trabajo real. La agricultura produce alimentos, algo esencial para la supervivencia. Desde esta perspectiva, muchos trabajos modernos parecen juegos para pasar el tiempo. Este patrón podría repetirse en la era de la IAG. Las generaciones futuras podrían percibir nuestro trabajo actual como menos real de lo que consideran significativo.

Esta dimensión filosófica aborda la pregunta fundamental: ¿Qué es el trabajo? ¿Y por qué trabaja la gente? Si las necesidades materiales pueden satisfacerse eficientemente mediante la IA y la automatización, la pregunta pasa de la necesidad al significado. Las personas seguirán buscando la trascendencia, el reconocimiento y la autorrealización. Sin embargo, la forma en que esto ocurre cambiará drásticamente.

Para las empresas, esto significa que la ventaja competitiva del futuro no reside en la idea en sí, sino en la velocidad con la que se puede implementar mediante agentes. El escalamiento tradicional requería capital, talento y tiempo. Los agentes de IA reducen los tres. Se necesita menos capital porque los costos operativos disminuyen. El talento se necesita de forma diferente: menos para la ejecución, más para la estrategia. El tiempo se reduce porque los agentes trabajan 24/7, no se cansan y pueden replicarse rápidamente.

La consecuencia: los mercados se vuelven más dinámicos, las ventajas competitivas son más efímeras y las barreras de entrada se reducen. Las empresas consolidadas deben preguntarse cómo adaptar sus procesos, culturas y modelos de negocio a un mundo en el que un pequeño equipo con agentes inteligentes puede revolucionar un mercado que han dominado durante décadas.

Señal de AGI: Cuando las máquinas crean nuevo conocimiento

La cuarta tesis se refiere a un salto cualitativo: la IA está comenzando a realizar auténticos descubrimientos científicos. Altman describió este momento como el momento en que la IA ya no se limita a reorganizar el conocimiento existente, sino que genera nuevo conocimiento: descubrimientos novedosos. Esta capacidad es una característica crucial de la Inteligencia Artificial General.

Históricamente, el progreso científico era una actividad exclusivamente humana. Los investigadores formulaban hipótesis, realizaban experimentos, analizaban datos y extraían conclusiones. Las máquinas proporcionaban apoyo —por ejemplo, mediante cálculos o simulaciones—, pero los pasos creativos para generar hipótesis seguían siendo humanos. Esta frontera se difumina cada vez más.

AlphaFold de DeepMind revolucionó el plegamiento de proteínas al predecir estructuras que a los humanos les habría llevado décadas crear. Los modelos de IA generativa del MIT diseñaron nuevas clases de antibióticos eficaces contra bacterias resistentes. o3 y Gemini Deep Think de OpenAI obtuvieron medallas de oro en la Olimpiada Internacional de Matemáticas, no gracias a la memorización, sino a la resolución independiente de problemas. Estos ejemplos demuestran que la IA es cada vez más capaz de explorar territorios inexplorados y encontrar soluciones originales.

Altman enfatizó que este desarrollo apenas está comenzando. Predice que la IA logrará avances científicos en campos como la medicina, la ciencia de los materiales y la física en los próximos años. Estos avances no solo serán graduales, sino que podrían cambiar paradigmas fundamentales. Si la IA puede realizar investigaciones con mayor rapidez y precisión que los humanos, el progreso científico se acelerará exponencialmente.

Las implicaciones para las empresas son enormes. Los ciclos de investigación y desarrollo se están acortando. Las compañías farmacéuticas pueden descubrir y desarrollar nuevos fármacos con mayor rapidez. Los fabricantes de materiales pueden simular nuevas aleaciones o plásticos antes de su producción. Las empresas energéticas pueden diseñar baterías o células solares más eficientes. La ventaja competitiva está pasando de quien dispone de más recursos a quien utiliza los sistemas más inteligentes.

Pero esta transformación también plantea cuestiones éticas y estratégicas. Si la IA realiza descubrimientos científicos, ¿quién los posee? ¿La empresa que opera la IA? ¿El desarrollador de la IA? ¿La sociedad? Las respuestas a estas preguntas no están claras y serán objeto de intenso debate en los próximos años.

Además, el rol de los investigadores humanos está cambiando. En lugar de realizar experimentos ellos mismos, se están convirtiendo en curadores, generadores de hipótesis e intérpretes. Definen preguntas de investigación, evalúan resultados y establecen límites éticos. El trabajo se está volviendo más creativo y estratégico, menos rutinario y repetitivo. Esto requiere una reorientación de la educación. Los científicos deben aprender a colaborar con los sistemas de IA, comprender sus fortalezas y limitaciones, y desarrollar sus propias habilidades complementarias.

Altman hizo una predicción interesante: la humanidad se acostumbrará a los avances científicos impulsados ​​por la IA. Inicialmente, habrá un período de entusiasmo de dos semanas, luego el descubrimiento se volverá común. Este proceso de normalización es característico del progreso tecnológico. Lo que hoy parece extraordinario, mañana se dará por sentado. El reto para las empresas es internalizar esta velocidad de cambio y adaptar sus estrategias en consecuencia.

Medios sintéticos: cuando la realidad y la IA se difuminan

La quinta tesis se centra en los medios sintéticos y la rápida normalización del contenido generado por IA. Altman describió la extrañeza inicial al ver los vídeos generados por Sora, y la rapidez con la que esa extrañeza desapareció. Después de tres minutos, era simplemente una aplicación llena de vídeos generados. Esta velocidad de normalización tiene profundas consecuencias para las marcas, los medios de comunicación y la sociedad.

Históricamente, producir contenido multimedia era complejo y costoso. Las fotografías requerían cámaras, las películas estudios y equipos, y la música instrumentos y equipos de grabación. Estas barreras garantizaban cierto grado de control de calidad y autenticidad. Con la tecnología digital, estas barreras fueron disminuyendo gradualmente. Los teléfonos inteligentes permitieron a todos crear fotos y videos. Las redes sociales permitieron que todos los compartieran. Sin embargo, a pesar de esta democratización, se mantuvo un elemento esencial de autenticidad: una fotografía representaba algo que existía frente a la cámara.

Los medios sintéticos rompen radicalmente con esta premisa. Sora 2 puede generar vídeos fotorrealistas, pero nunca filmados. Rostros, voces, escenas: todo se puede sintetizar. OpenAI introdujo la función Cameo, que permite a los usuarios integrar su propio rostro y voz en vídeos generados por IA. Esto abre nuevas posibilidades creativas, pero también conlleva riesgos significativos.

Los deepfakes ya son un problema consolidado. Vídeos manipulados de políticos, recomendaciones falsas de famosos, contenido pornográfico sintético sin el consentimiento de quienes aparecen: el potencial de uso indebido es múltiple. OpenAI intenta contrarrestar estos riesgos con medidas de seguridad multicapa. Los filtros rápidos impiden la generación de contenido que incluya a políticos o famosos sin permiso. Todos los vídeos de Sora llevan marcas de agua digitales y metadatos que los identifican como generados por IA. Clasificadores y moderadores humanos supervisan el contenido generado.

A pesar de estas medidas, persiste un riesgo residual. Reality Defender demostró que los mecanismos de seguridad de Sora pueden eludirse. En las pruebas, lograron que deepfakes de figuras prominentes pasaran la verificación, mientras que sus propias herramientas de detección los identificaron con una precisión superior al 95 %. Esto demuestra que la seguridad de los medios sintéticos es una competencia entre las medidas de protección y los intentos de eludirlas.

Para las empresas, esto significa que es fundamental contar con directrices claras sobre IA y procesos de seguridad de marca. Las marcas deben definir cómo utilizan los medios sintéticos y cómo garantizan que el contenido manipulado no dañe sus valores de marca. La transparencia se está convirtiendo en un principio clave. Los usuarios necesitan saber cuándo el contenido es generado por IA. Regulaciones como la Ley de IA de la UE ya exigen el etiquetado de los medios sintéticos. Las empresas que establecen estándares transparentes de forma proactiva generan confianza. Quienes no lo hacen se arriesgan a dañar su reputación.

Al mismo tiempo, los medios sintéticos ofrecen enormes oportunidades creativas y económicas. Las campañas de marketing se pueden personalizar: un vídeo que varía ligeramente para cada espectador resulta más relevante. Se pueden crear visualizaciones de productos en segundos, sin costosas sesiones de fotos. El contenido de formación se puede traducir automáticamente a diferentes idiomas y contextos culturales. Las ganancias de productividad son enormes.

Altman enfatizó la necesidad de probar con audacia nuevos formatos de contenido. Las empresas que se basan en métodos probados serán superadas por aquellas que experimentan. El desafío radica en equilibrar la innovación y la responsabilidad. Quienes son demasiado cautelosos pierden oportunidades. Quienes son demasiado descuidados se arriesgan a escándalos.

No se debe subestimar la dimensión social. Si cualquiera puede crear videos fotorrealistas, la confianza en los medios visuales se erosiona. Lo que antes se consideraba una prueba —una foto, un video— se vuelve cada vez más cuestionable. Esto tiene implicaciones para el periodismo, el sistema judicial y el discurso público. Las organizaciones deben desarrollar mecanismos para verificar la autenticidad. La Coalición para la Procedencia y Autenticidad del Contenido está trabajando en estándares para la prueba digital del origen. Las empresas que apoyan e implementan estos estándares contribuyen a estabilizar el ecosistema digital.

Aquí aprenderá cómo su empresa puede implementar soluciones de IA personalizadas de forma rápida, segura y sin grandes barreras de entrada.

Una plataforma de IA gestionada es su solución integral y sin preocupaciones para la inteligencia artificial. En lugar de lidiar con tecnología compleja, infraestructura costosa y largos procesos de desarrollo, recibirá una solución lista para usar y adaptada a sus necesidades de un socio especializado, a menudo en tan solo unos días.

Las principales ventajas de un vistazo:

⚡ Implementación rápida: De la idea a la aplicación lista para usar en días, no meses. Ofrecemos soluciones prácticas que generan valor añadido inmediato.

🔒 Máxima seguridad de datos: Tus datos confidenciales permanecen contigo. Garantizamos un procesamiento seguro y conforme a la normativa sin compartirlos con terceros.

💸 Sin riesgo financiero: Solo pagas por resultados. Se eliminan por completo las altas inversiones iniciales en hardware, software y personal.

🎯 Concéntrese en su negocio principal: Concéntrese en lo que mejor sabe hacer. Nos encargamos de toda la implementación técnica, la operación y el mantenimiento de su solución de IA.

📈 A prueba de futuro y escalable: Tu IA crece contigo. Garantizamos la optimización y la escalabilidad continuas, y adaptamos los modelos con flexibilidad a las nuevas necesidades.

Más información aquí:

• La solución de IA gestionada - Servicios de IA industrial: la clave para la competitividad en los sectores de servicios, industria e ingeniería mecánica

Implementación práctica: Cómo las empresas integran los cinco puntos de vista

Los conocimientos teóricos son valiosos, pero su implementación práctica es crucial. Dos casos prácticos concretos ilustran cómo las empresas ya utilizan las cinco afirmaciones.

El primer ejemplo proviene del sector financiero. El banco español BBVA implementó ChatGPT Enterprise, lo que permitió a los empleados crear sus propios GPT. En seis meses, se desarrollaron más de 2900 aplicaciones personalizadas. Los departamentos legales utilizan agentes para la revisión de contratos, los equipos de marketing generan campañas personalizadas y los analistas financieros automatizan los informes. El resultado: el 80 % de los usuarios ahorra más de dos horas semanales. La distribución se realiza directamente en el entorno de trabajo: los empleados no necesitan abrir herramientas independientes, sino que trabajan dentro de la interfaz familiar de ChatGPT. El reto radica en la integración con los sistemas existentes. BBVA está trabajando en la conexión de ChatGPT a bases de datos internas para obtener información aún más detallada. Este ejemplo demuestra cómo la democratización del desarrollo de agentes y la plataforma de ChatGPT se combinan para lograr enormes mejoras de eficiencia.

El segundo ejemplo proviene de la industria automotriz. Toyota utiliza mantenimiento predictivo basado en IA para reducir el tiempo de inactividad. Los sensores en los equipos de producción recopilan datos que son analizados por modelos de IA. Estos modelos identifican patrones que indican fallas inminentes y permiten el mantenimiento preventivo. El resultado: una reducción del 25 % en el tiempo de inactividad, un aumento del 15 % en la efectividad general del equipo (OEE) y un ahorro anual de diez millones de dólares en costos. El retorno de la inversión (ROI) fue de aproximadamente el 300 %. Este ejemplo ilustra cómo la IA no solo puede optimizar los procesos administrativos, sino también integrarse en entornos físicos de producción. La capacidad de la IA para extraer información y realizar predicciones a partir de grandes cantidades de datos corresponde a la cuarta afirmación: la IA genera nuevo conocimiento; en este caso, sobre cuándo es probable que fallen las máquinas.

Ambos ejemplos demuestran factores de éxito comunes. Primero: una cultura de experimentación. Las empresas que ofrecen a sus empleados la libertad de experimentar con herramientas de IA descubren aplicaciones útiles con mayor rapidez. Segundo: marcos de gobernanza. Sin directrices claras sobre protección, seguridad y calidad de datos, surgen riesgos. Tercero: un enfoque iterativo. Esperar soluciones perfectas desde el principio no es realista. En cambio, las empresas deberían empezar con aplicaciones sencillas, aprender y mejorar continuamente. Cuarto: integración. Las herramientas de IA alcanzan su máximo potencial cuando se integran a la perfección en los flujos de trabajo existentes, en lugar de existir como islas separadas.

Controversias y debate crítico: Los riesgos de un mundo feliz

Si bien estas cinco tesis son prometedoras, también plantean importantes preguntas y controversias. La primera se refiere a la pérdida de empleos. Si los agentes asumen tareas que antes realizaban los trabajadores del conocimiento, ¿qué les sucede a estas personas? El argumento de Altman de que el trabajo se está transformando es optimista, pero no está exento de críticas. Históricamente, las transformaciones tecnológicas han creado nuevos empleos, pero a menudo no con la suficiente rapidez ni en los mismos sectores. La fase de transición puede causar disrupción social. Goldman Sachs estima que la automatización del trabajo del conocimiento mediante IA podría ahorrar 1,5 billones de dólares en costos laborales a nivel mundial, un eufemismo para la posible pérdida de empleos. Las empresas y las sociedades necesitarán desarrollar programas de reciclaje profesional, redes de seguridad social y nuevos conceptos educativos para gestionar esta transición.

La segunda controversia se refiere a la concentración de poder. OpenAI controla ChatGPT, una plataforma con 800 millones de usuarios, y está construyendo un ecosistema en torno a ella que abarca desarrolladores, usuarios y transacciones. Esta concentración recuerda al poder de mercado de Google, Apple o Amazon. El peligro: OpenAI podría dictar condiciones, aumentar las tarifas o favorecer a ciertos desarrolladores. Las autoridades reguladoras observan este desarrollo con creciente escrutinio. Podrían surgir investigaciones antimonopolio. Las empresas que dependen en gran medida de ChatGPT corren el riesgo de volverse dependientes de una plataforma cuyo futuro es incierto.

La tercera controversia se refiere a los deepfakes y la desinformación. A pesar de las medidas de seguridad, los medios sintéticos pueden ser mal utilizados. Manipulación política, fraude financiero, difamación: los riesgos son reales. Las propias pruebas de OpenAI mostraron una tasa de error del 1,6 % al bloquear deepfakes sexuales que infringen las normas. Incluso pequeñas tasas de error pueden dar lugar a miles de contenidos problemáticos entre millones de usuarios. La sociedad debe desarrollar tecnologías de detección, marcos legales y programas educativos para afrontar esta nueva realidad.

La cuarta controversia se refiere a la privacidad y la vigilancia de datos. Los agentes de IA necesitan acceder a los datos para trabajar eficazmente. Las empresas deben garantizar la protección de la información confidencial. Las soluciones empresariales de OpenAI prometen no utilizar datos de la empresa para entrenar modelos públicos. Sin embargo, aún es necesario establecer la confianza en estas promesas. Además, existe el riesgo de que el uso generalizado de la IA genere una cultura de vigilancia donde cada acción se documenta y analiza.

La quinta controversia se refiere al impacto ambiental. Entrenar grandes modelos de IA requiere una enorme potencia de cálculo y, por lo tanto, energía. OpenAI está invirtiendo fuertemente en centros de datos y chips. El propio Sam Altman centró su atención en adquirir mayor capacidad de cálculo. Esta expansión tiene una huella ecológica. Las empresas que utilizan IA deberían considerar aspectos de sostenibilidad y buscar soluciones energéticamente eficientes.

Estas controversias demuestran que la transformación que describe Altman no es simplemente progreso. Implica desafíos, riesgos y dilemas éticos. Las empresas deben actuar con responsabilidad, generar transparencia y contribuir activamente a la búsqueda de soluciones.

Perspectivas de futuro: tendencias y posibles cambios

¿Qué avances podemos esperar en los próximos años? En primer lugar, una mayor democratización. Las herramientas sin código y de bajo código serán aún más accesibles. La barrera para crear aplicaciones de IA propias seguirá disminuyendo. Esto provocará una explosión de aplicaciones, pero también fragmentación y problemas de calidad. Las plataformas que ofrecen selección, control de calidad e integración serán más valiosas.

En segundo lugar, los niveles de autonomía están aumentando. Los agentes serán cada vez más capaces de completar tareas de forma autónoma que duren varios días o semanas. Altman sugirió que Codex pronto podría gestionar el trabajo de una semana de forma autónoma. Esto reorienta aún más el rol de los trabajadores humanos hacia la supervisión, la estrategia y la creatividad. El trabajo se vuelve menos transaccional y más transformador.

Tercero: La multimodalidad se está convirtiendo en el estándar. GPT-5 y Sora 2 demuestran que la IA comprende y genera no solo texto, sino también imágenes, vídeos y audio. Los sistemas futuros alternarán entre estas modalidades sin problemas. Un usuario podría describir un concepto y la IA podría generar un vídeo, un documento de diseño y una presentación a partir de él, todo a la vez.

Cuarto: Personalización a nivel individual. La IA será cada vez más capaz de comprender las preferencias, los estilos de aprendizaje y los contextos de cada usuario y adaptar sus respuestas en consecuencia. Esto genera experiencias hiperpersonalizadas, pero también plantea interrogantes sobre los filtros burbuja y la manipulación.

Quinto: La regulación se está intensificando. Gobiernos de todo el mundo están trabajando en la legislación sobre IA. La Ley de IA de la UE, las regulaciones chinas y las iniciativas estadounidenses buscan minimizar los riesgos y promover la innovación. Las empresas no solo deben cumplir con estas regulaciones, sino también participar activamente en su desarrollo para crear marcos viables.

Sexto: Están surgiendo nuevos modelos de negocio. Comercio conversacional, IA como servicio, mercados de agentes: la monetización de la IA se está diversificando. Las empresas que experimentan con anticipación pueden obtener ventajas como pioneros.

Séptimo: Los equipos híbridos humano-IA se están convirtiendo en la norma. El futuro no es humano contra máquina, sino humano con máquina. Las empresas más exitosas serán aquellas que optimicen esta colaboración. Esto requiere nuevos conceptos de liderazgo, estructuras organizativas y un cambio cultural.

Octavo: Integración de hardware. Altman está trabajando con Jony Ive en nuevos dispositivos. Cuando la IA se integre en wearables, gafas inteligentes u otros formatos, la forma en que interactuamos con la tecnología cambiará radicalmente. La interfaz conversacional se volverá ubicua, siempre disponible y sensible al contexto.

Síntesis: Recomendaciones de acción para la nueva era

Los cinco puntos de vista de la entrevista de Altman no son tendencias aisladas, sino fuerzas convergentes que están transformando los cimientos de la economía digital. ChatGPT, como plataforma de distribución, está transformando el lugar y la forma en que las empresas llegan a su público objetivo. Agent Builder está democratizando la automatización y trasladando la innovación de los centros a las personas. Las empresas de cero personas están desafiando la relación entre el trabajo y la creación de valor. Los avances científicos impulsados ​​por la IA están acelerando exponencialmente la investigación y el desarrollo. Los medios sintéticos abren posibilidades creativas, pero requieren estrictas normas éticas.

Esto se traduce en áreas de acción claras para las empresas. Primero: Experimentar. Lanzar pequeños proyectos piloto de IA, aprender y repetir. No esperar es una opción. Segundo: Desarrollar la gobernanza. Establecer marcos de protección de datos, seguridad, ética y calidad antes de que surjan problemas. Tercero: Desarrollar el talento. Los empleados deben aprender a trabajar con IA, aprovechar sus fortalezas y desarrollar habilidades complementarias. Cuarto: Formar alianzas. Ninguna empresa puede gestionarlo todo sola. Los ecosistemas, las colaboraciones y los estándares abiertos son cruciales. Quinto: Asumir la responsabilidad. Transparencia hacia los clientes, trato justo a los empleados y contribución a las soluciones sociales: las empresas deben definir conscientemente su papel en la transformación.

La era que Altman describe no es un futuro lejano, sino un presente en desarrollo. Los ganadores no serán las empresas más grandes ni las más consolidadas, sino las más adaptables. Aquellas que aprenden con rapidez, experimentan con audacia y actúan con responsabilidad. La transformación de la productividad a la creatividad, de las herramientas a la infraestructura, de lo humano a lo humano, está ocurriendo ahora. Y cada empresa debe decidir: moldearla o dejarse moldear por ella.

¿Quién es Rowan Cheun?

Rowan Cheung es un emprendedor canadiense, comunicador tecnológico y una de las voces más influyentes en el campo de la inteligencia artificial. Es el fundador y director ejecutivo de The Rundown AI, el boletín informativo sobre IA de mayor crecimiento a nivel mundial, con más de 350.000 suscriptores y millones de seguidores en redes sociales. Originario de Vancouver, Columbia Británica, se ha consolidado desde 2023 como una figura clave en los medios, presentando el conocimiento sobre IA de forma comprensible, accesible y estratégica.

Cheung no comenzó su carrera en tecnología, sino como nadador de competición. Tras sufrir problemas de salud durante la pandemia de COVID-19, se dedicó al mundo de la tecnología y la IA, donde aprendió los fundamentos por su cuenta. En menos de un año, aprendió a programar y posteriormente fundó Supertools, una plataforma de bases de datos para aplicaciones de IA con más de 250.000 usuarios mensuales. Su contenido y análisis sobre los avances en IA generativa, automatización y negocios basados ​​en IA lo convirtieron rápidamente en una figura clave del panorama tecnológico global.

En 2023, ganó el "Twitter Growth Challenge" como el comunicador tecnológico de más rápido crecimiento del mundo en la Plataforma X (anteriormente Twitter). Hoy en día, se encuentra entre los diez fundadores tecnológicos más influyentes en redes sociales, en una categoría que incluye a figuras como Elon Musk, Gary Vaynerchuk y Sam Altman.

Además de sus proyectos mediáticos, Rowan Cheung presenta el podcast "El Estado de la IA", en el que entrevista regularmente a figuras clave del sector tecnológico, como Sam Altman, Mark Zuckerberg y Jensen Huang. El podcast y el boletín "The Rundown" se consideran fuentes de información clave para directivos, emprendedores y desarrolladores en el campo de la IA.

Cheung es conocido por su perspectiva práctica sobre la IA: cómo las empresas pueden lograr mejoras concretas de productividad, cómo se pueden utilizar los agentes en el lugar de trabajo y cómo las personas pueden escalar mediante la IA sin formar grandes equipos. En entrevistas, destaca con frecuencia que su pequeño equipo de unos 15 empleados funciona como una empresa de 50 personas gracias a los flujos de trabajo inteligentes de la IA.

En resumen, Rowan Cheung representa la nueva generación de fundadores de IA: autodidactas, orientados a los datos, extremadamente expertos en Internet y con la capacidad de traducir desarrollos tecnológicos complejos en estrategias concretas y aplicables para las empresas.

☑️ Nuestro idioma comercial es el inglés o el alemán

☑️ NUEVO: ¡Correspondencia en tu idioma nativo!

 

Mi equipo y yo estaremos encantados de estar disponibles para usted como su asesor personal.

Puedes contactarme rellenando el formulario de contacto aquí wolfenstein@xpert.digital:o simplemente llamándome al +49 7348 4088 965. Mi dirección de correo electrónico es

Espero con ilusión nuestro proyecto conjunto.

 

 

☑️ Apoyo a las PYMES en estrategia, consultoría, planificación e implementación

☑️ Creación o realineamiento de la estrategia digital y digitalización

☑️ Ampliación y optimización de procesos de ventas internacionales

☑️ Plataformas comerciales B2B globales y digitales

☑️ Desarrollo de negocios pioneros / Marketing / Relaciones públicas / Ferias comerciales

Xpert.Digital posee un profundo conocimiento de diversas industrias. Esto nos permite desarrollar estrategias a medida, alineadas con precisión con las necesidades y desafíos de su segmento de mercado específico. Mediante el análisis continuo de las tendencias del mercado y el seguimiento de la evolución del sector, podemos actuar de forma proactiva y ofrecer soluciones innovadoras. La combinación de experiencia y conocimientos genera valor añadido y proporciona a nuestros clientes una ventaja competitiva decisiva.

Más información aquí:

• Benefíciate de las 5 áreas de especialización de Xpert.Digital en un solo paquete, desde solo 500 € al mes