Episodio 4 de Multiplicadores: La IA Cruzó el Umbral
La IA no está reemplazando la experiencia, está revelando quién la tiene de verdad. Los profesionales que han pasado años construyendo criterio real, metodología real y conocimiento profundo están descubriendo algo inesperado: la IA no compite con ellos, los amplifica. Los que han estado siguiendo el camino por inercia están descubriendo algo muy diferente.
En el episodio 4 del podcast Multiplicadores, el equipo explora qué se ve en la práctica cuando un experto en su campo aprende a orquestar la IA y por qué la metáfora del director de orquesta puede ser el modelo mental más útil para la próxima fase del trabajo del conocimiento.
- También le puede interesar: El artículo de Spencer que inició esta conversación: La IA cruzó un umbral. Esto es real. Cómo prepararse. (en inglés)
- Relacionado: Workshop #3 del Multiplier Framework: AI Skills, donde Spencer muestra cómo convertir su experiencia en habilidades de IA reutilizables (en inglés)
Episodio 4 de Multiplicadores: La IA cruzó el umbral
Este episodio es una conversación entre Spencer Burton, Michael Belasco y Sam Carlson, los tres socios detrás de Adventures in CRE y CRE Agents. Al igual que el episodio 3 sobre la brecha de la IA, esta es una conversación interna en lugar de una entrevista con invitado. Retoma donde quedó ese episodio, moviendo la conversación de la pregunta macro sobre quiénes se verán afectados a la pregunta práctica de qué se ve en la realidad cuando alguien decide meterse de lleno. Michael ha estado construyendo algo notable durante el último mes, y la conversación usa su experiencia como lente para una idea más grande: el paso de usar IA a orquestarla.
Por qué este episodio, y por qué ahora
Algo cambió en las semanas entre el episodio 3 y esta grabación.
Michael volvió de una sesión de trabajo en Miami con Spencer y Gert, el CTO de CRE Agents, y entró en lo que él describe como un período de creación frenética. Empezó a construir una plataforma de agentes de IA a medida para su negocio de hospitalidad al aire libre, no comprando software ya hecho, sino orquestando un equipo de agentes de IA para manejar operaciones, precios, reseñas e inteligencia de mercado. El tipo de sistema que 18 meses atrás hubiera requerido un equipo de ingeniería completo y un presupuesto de desarrollo de seis cifras.
Spencer ubica esto en un contexto más amplio. Alrededor de diciembre de 2025, los agentes de codificación con IA cruzaron un umbral. Andrej Karpathy, ex jefe de IA en Tesla y cofundador de OpenAI, publicó que la programación se había vuelto “irreconocible.” Antes de diciembre, las herramientas de codificación con IA eran novedades útiles. Después de diciembre, funcionaban de verdad. Para expertos en su campo sin perfil técnico, como Michael, esto desbloqueó algo que el equipo había estado prediciendo por un año pero que solo recientemente se volvió real: la capacidad de construir sistemas sofisticados y personalizados sin escribir una sola línea de código.
Al mismo tiempo, Spencer había estado siguiendo la evolución de la postura de Howard Marks sobre la IA. En diciembre, Marks se preguntaba si la IA era una burbuja. Para finales de febrero, su posición había cambiado significativamente. Escribió que creía que era más probable que estuviéramos subestimando que sobreestimando el potencial de la IA, y expresó preocupación de que la velocidad del desplazamiento pudiera superar la capacidad de adaptación de la fuerza laboral.
Estos hilos, la experiencia práctica de Michael, el umbral de codificación, el cambio de postura de Marks, convergieron en una grabación que trata menos sobre si la IA importa y más sobre qué se ve cuando alguien con experiencia real empieza a dirigir.
Y esa pregunta no es exclusiva de quienes trabajan en bienes raíces comerciales. En América Latina, la transición de “usar IA” a “orquestar IA” está empezando a separar a los profesionales en dos categorías distintas. Las empresas de tecnología, consultoría, marketing y servicios financieros ya están redefiniendo qué significa ser valioso en un equipo. No se trata de si usa ChatGPT ocasionalmente, se trata de si puede construir sistemas que multipliquen su criterio a escala.
Aspectos destacados del episodio
Estos son los temas que más resonaron.
1. El umbral de codificación
El episodio abre con un contexto que la mayoría de los profesionales fuera del mundo técnico no ha procesado del todo: algo fundamental cambió en la capacidad de codificación de la IA alrededor de diciembre de 2025.
Spencer describe la línea de tiempo. Antes de diciembre, la IA podía generar código, pero era poco confiable. Para desarrolladores experimentados, era un asistente útil. Para quienes no son desarrolladores, era una novedad que producía resultados con errores que no sabía cómo corregir. Michael menciona una experiencia temprana con ChatGPT donde dejó correr un proyecto de codificación toda la noche y al volver encontró un desastre de errores. Era interesante. No funcionaba.
Luego empezó a funcionar. No de forma incremental, de forma categórica. Spencer cita la observación de Karpathy de que la programación se había vuelto irreconocible en cuestión de semanas. La implicación para los profesionales del conocimiento fuera del mundo tech es enorme: la barrera entre tener una idea y construir un sistema funcional colapsó. Ya no necesita ser desarrollador. Necesita saber qué quiere construir y por qué.
Esa distinción, saber qué en lugar de saber cómo programar, es lo que convierte la experiencia en el nuevo cuello de botella. Michael tiene 20 años de experiencia en hospitalidad al aire libre. Sabe cómo debe verse la inteligencia operacional, qué requieren las decisiones de precios, y qué datos de experiencia del cliente importan. La IA maneja la implementación. Él provee el criterio.
2. La metáfora del director de orquesta
Michael describe su nuevo ritmo de trabajo como sentirse director de una orquesta. La metáfora no es casual. Captura algo específico sobre cómo la orquestación de IA liderada por expertos difiere del uso básico de IA.
Un director no es el mejor violinista de la sala, no es el mejor chelista ni el mejor oboe. Lo que aporta es la capacidad de escuchar la pieza completa, de notar cuando algo está mal, de dar forma al resultado de muchos especialistas hacia una ejecución coherente. Eso es exactamente lo que Michael está haciendo con sus agentes de IA. No está escribiendo código. No está diseñando bases de datos. Está orquestando un equipo de capacidades de IA alrededor de su conocimiento del dominio, y el resultado es un sistema que refleja su experiencia en cada capa.
Sam refuerza esto con una distinción que tomó del podcast All In, en una discusión sobre la contratación de ingenieros de software en Anthropic: los ingenieros que están prosperando no son los que solo escriben código. Son los que ven el desarrollo de producto y el código al mismo tiempo. Son orquestadores. Los que carecen de esa visión de orden superior son los que están teniendo dificultades.
Para cualquier profesional del conocimiento, el paralelo es directo. El analista que solo corre números está más expuesto que el que entiende por qué esos números importan y puede orquestar IA para producir el análisis.
3. El tsunami en la playa
Spencer ofrece una imagen que se queda con usted. Todos estamos sentados en la playa. El clima está agradable. Y luego el agua empieza a retroceder. Algunas personas miran la arena extra y piensan que tienen más espacio para jugar. Otras reconocen lo que significa una línea de agua que retrocede: se viene un tsunami.
Esto no se presenta como algo catastrófico, aunque Spencer reconoce la gravedad. Su visión es que hay una probabilidad mayor de que se necesiten menos personas en carreras de trabajo del conocimiento que más, aunque deja espacio para el resultado contrario. De cualquier manera, la división se está formando entre el 5 por ciento que está al frente de este cambio, construyendo activamente sistemas de IA, y el resto que aún no ha ajustado ningún flujo de trabajo.
Lo que hace poderosa esta imagen es que no habla de un futuro lejano. Habla de ahora. El agua ya está retrocediendo. La pregunta es si lo está viendo.
En América Latina, esta metáfora resuena de manera particular. Los mercados de la región históricamente han absorbido cambios tecnológicos con cierto retraso respecto a los centros de innovación. Pero con la IA, ese margen de tiempo se está comprimiendo. Las empresas multinacionales que operan en la región no están esperando a que el mercado local se adapte antes de implementar sus estrategias de automatización. Lo están haciendo ahora, con las mismas herramientas y la misma velocidad que en sus mercados de origen.
4. Saber qué vs. saber cómo
Este es quizás el cambio conceptual más importante del episodio, y el que tiene más implicaciones para cualquier profesional que se pregunte si su trabajo está en riesgo.
Durante décadas, el valor profesional se construyó alrededor de saber cómo hacer algo. Cómo escribir código, cómo construir un modelo financiero, cómo estructurar un contrato. Ese conocimiento procedimental era el activo. Era lo que se enseñaba en las universidades y lo que se pagaba en los mercados laborales.
La IA está trasladando ese valor. El saber cómo, la ejecución técnica, es cada vez más manejable por herramientas. Lo que no puede replicarse fácilmente es el saber qué: qué necesita construirse, por qué importa, cuándo el resultado está mal aunque se vea bien, qué preguntas hacerle al sistema.
Eso viene de la experiencia. De haber estado en la sala cuando las cosas salieron mal. De haber construido criterio a lo largo del tiempo.
El mensaje del episodio no es que todos los trabajos técnicos desaparecerán. Es que el valor se está desplazando, y los profesionales que entiendan eso antes que los demás son los que estarán del lado correcto de la brecha.
5. Cómo prepararse: tres pasos concretos
El episodio no termina en el diagnóstico. Los tres anfitriones convergen en pasos concretos para cualquier profesional que quiera estar del lado correcto de este cambio.
El primero es documentar su propio conocimiento. Antes de poder orquestar IA, necesita saber qué es lo que sabe. Qué decisiones toma que otros en su campo no tomarían de la misma manera. Qué patrones reconoce que tomaron años construir. Esa documentación es la materia prima para los prompts y sistemas que va a construir.
El segundo es empezar a construir, aunque sea en pequeño. No esperar a entender perfectamente cómo funciona la tecnología. Tomar una tarea repetitiva que hace cada semana y encontrar una manera de delegarla a IA. Aprender de ese proceso.
El tercero es convertirse en la persona que lleva esas capacidades a su organización. No solo usarlas para sí mismo, sino demostrar su valor a su equipo, a su empresa, a sus clientes. Esa persona, la que conecta la capacidad de la IA con el contexto específico de una organización, se vuelve muy difícil de reemplazar.
La idea central
Hay una frase al inicio de este episodio que define todo lo que sigue: la IA no está reemplazando la experiencia. Está revelando quién la tiene de verdad.
Eso es más incómodo de lo que parece. Porque implica que hay personas que durante años han operado con la apariencia de tener experiencia sin haber construido criterio real. Y hay otras que han construido ese criterio profundo pero que quizás no lo han podido demostrar tan fácilmente dentro de estructuras organizacionales que premiaban la ejecución técnica.
La IA está invirtiendo esa ecuación.
Para los profesionales en América Latina, esto representa tanto un riesgo como una oportunidad extraordinaria. El riesgo es real: los mercados se están moviendo rápido y la ventana para adaptarse no es infinita. Pero la oportunidad también es real: quienes tienen experiencia genuina en su campo, ya sea en finanzas, derecho, salud, educación, ingeniería o cualquier otra disciplina, tienen exactamente lo que la IA no puede fabricar. Tienen el criterio.
La pregunta no es si la IA va a afectar su carrera, ya lo está haciendo. La pregunta es si usted va a posicionarse como orquestador o quedarse en el rol de ejecutor.
Para explorar cómo empezar ese camino con herramientas y recursos concretos, AI.Edge es el recurso en inglés que el equipo de A.CRE ha construido específicamente para ayudarle a llegar ahí.
