Estrategias

Desde que apareció ChatGPT que la idea del impacto de la inteligencia artificial en el trabajo es un péndulo que va desde "vamos a convertirnos en máquinas ultraproductivas con un copiloto" hasta "no necesitaremos más programadores (o abogados, o insertá acá tu profesión)" y muy pocas voces coherentes en el medio. Este estudio es interesante porque analiza con datos qué impacto se está viendo en el mercado laboral y muestra algunas conclusiones que van más allá del hype y el pánico.

El paper "Canaries in the Coal Mine" de Stanford usa datos administrativos de ADP (la empresa de nóminas más grande de EEUU) para trackear qué está pasando realmente con el empleo desde que ChatGPT explotó a fines de 2022. La muestra es enorme: millones de trabajadores cada mes, con información hasta septiembre 2025.

Los cuatro hallazgos clave

1. Los trabajadores junior en ocupaciones expuestas a IA están cayendo fuerte
Desarrolladores de software y agentes de customer service entre 22-25 años: -16% de empleo comparado con fines de 2022. Los trabajadores más experimentados en las mismas ocupaciones siguen creciendo normalmente. Una señal clara de que algo está cambiando en cómo se contrata entry-level en estos sectores.

2. El empleo general crece, pero los jóvenes se estancaron
El mercado laboral en EEUU sigue fuerte. El desempleo está bajo. Pero si mirás específicamente trabajadores de 22-25 años, el crecimiento del empleo se frenó desde el segundo semestre de 2022, al descomponer ese estancamiento, descubrís que viene principalmente de ocupaciones con alta exposición a IA.
En ocupaciones menos expuestas, los jóvenes siguen creciendo al mismo ritmo que los trabajadores mayores.

3. No toda la IA tiene el mismo impacto: automatización vs. augmentación
Acá hay una distinción clave que el estudio hace usando data de uso de Claude (el LLM de Anthropic) clasifican las queries en dos tipos:

• Automativas: "haceme esta tarea" → reemplaza trabajo humano
• Augmentativas: "ayudame a mejorar esto" → complementa trabajo humano

El empleo cayó en ocupaciones donde la IA se usa principalmente para automatizar. En ocupaciones donde se usa para augmentar, el empleo de jóvenes creció.

Esto es enorme. No es "la IA mata empleos" en general. Es "ciertos usos de la IA desplazan trabajadores junior, otros usos no".

4. Los ajustes se ven en empleo, no en salarios
Los sueldos no cayeron. No hay diferencias significativas en compensación por nivel de exposición a IA. Lo que cayó fue la cantidad de gente contratada. Esto es consistente con rigidez salarial a corto plazo, o con que los efectos de productividad de la IA están compensando los efectos de desplazamiento en términos de wage pressure.

Finalmente: Los patrones son robustos a múltiples análisis. El estudio hace lo que tiene que hacer: testear alternativas.

• ¿Es solo tech? No. Excluyendo ocupaciones de computación los resultados se mantienen.
• ¿Es remote work/outsourcing? No. Los patrones aparecen tanto en trabajos remotos como en trabajos que tienen que ser presenciales.
• ¿Es por educación deteriorada durante COVID? No. Los efectos aparecen tanto en ocupaciones con alta proporción de graduados universitarios como en ocupaciones con baja proporción.
• ¿Es sensibilidad a tasas de interés? No. Los resultados se mantienen separando por exposición a tasas de interés.
• ¿Es por vertical de mercado? No. Comparan trabajadores jóvenes vs. mayores dentro de la misma empresa en el mismo momento.

Por qué los juniors sufren más

La hipótesis más convincente del paper y directamente atada al debate del valor de los System of Record en SaaS: La IA reemplaza conocimiento codificado. No reemplaza (todavía) conocimiento tácito.

Los juniors aportan principalmente "book learning": lo que aprendiste en la universidad, lo que está en Stack Overflow, lo que puede capturar un LLM entrenado con datos públicos. Los seniors aportan conocimiento tácito: context específico de la empresa, relaciones con clientes, judgement sobre qué priorizaciones hacer, tips and tricks que nunca se documentaron.

Si la IA puede hacer lo primero pero no lo segundo, los juniors son los que más sufren substitución de tareas. Además, los juniors son el margen de ajuste más fácil: no despedís gente que ya está, simplemente contratás menos entry-level.

El dilema del collective action problem

Justo cuando sale este estudio, IBM anuncia que está triplicando su contratación entry-level mientras la mayoría de tech companies cortan junior roles. El argumento de su chief HR officer: "Las empresas que van a tener más éxito en los próximos 3-5 años son las que doblaron down en contratar entry-level en este entorno."

Esto es un collective action problem clásico: Si todas las empresas dejan de entrenar juniors al mismo tiempo, ¿de dónde salen tus futuros senior engineers? ¿Quién entiende tus sistemas, tu cultura, tus clientes?

La tentación es obvia: "dejá que otras empresas entrenen gente, yo los contrato cuando ya tienen experiencia". Si todos piensan así, no queda nadie que haga el training.

IBM está apostando a lo contrario: contratar el talento que todos los demás están pasando, entrenarlo en workflows aumentados por IA, y en cinco años tener un pipeline de mid-level managers que nadie más tiene.

• Cortar juniors hoy = mejor EBITDA este quarter, problema de talent pipeline en 3 años
• Contratar juniors hoy = peor EBITDA este quarter, ventaja competitiva en 2028 cuando nadie más tenga gente entrenada

La ironía es interesante: IBM, la empresa que todos escribieron como irrelevante, podría ser la que entendió esto primero mientras el "move fast and break things crowd" corta su pipeline para exprimir márgenes de corto plazo y, si es necesario, atraer talento más adelante con mejor compensación.

Lo que todavía no sabemos

¿Donde fueron esos junior que no fueron contratados como desarrolladores? ¿Consiguieron trabajo en otro sector? ¿están desempleados? ¿están en plataformas de freelancers? ¿están haciendo posgrados esperando que el mercado mejore?

Y a nivel mercado: ¿esto es temporal o permanente? ¿puede ser que después de un período de ajuste, las empresas vuelvan a contratar juniors pero integrando mejor IA en sus workflows? ¿Y la productividad? Si los seniors con IA son mucho más productivos, el output total puede estar creciendo incluso si el headcount junior cae.

La pregunta incómoda

Pero la pregunta más grande es: ¿qué significa esto para cómo entrenamos a la próxima generación?

¿Como logras el "conocimiento tácito" que se valora de los senior si, históricamente, los juniors lo aprendían con las tareas rutinarias que los seniors no querían? Eso ahora lo hace la IA. ¿Cómo generás experiencia si no te contratan para hacer las tareas que te iban a dar experiencia?

Me parece MUCHO más estratégico tratar de entender eso que decir "la IA va a reemplazar a los programadores"... porque la data muestra que: ya está reemplazando ciertas funciones para ciertos trabajadores. El resto es ruido.

Link al paper completo: Canaries in the Coal Mine - Stanford Digital Economy Lab

Anthropic anunció que levantó $30.000 millones en su Serie G, duplicando su valuación a $380.000 millones en apenas cinco meses y muchos dudan de la logica de esta ronda. La ronda fue liderada por GIC y Coatue, con co-liderazgo de D. E. Shaw Ventures, Dragoneer, Founders Fund, ICONIQ, y MGX. La lista de inversores lee como un directorio de quién es quién en capital global: Accel, Blackstone, Fidelity, Goldman Sachs, JPMorgan, Sequoia, y varios fondos soberanos.

Y mirá, ya sé lo que estás pensando. "$380.000 millones de valuación para una empresa que hace tres años facturaba cero. Es una locura. Estamos en plena burbuja". Excepto que no: NO ESTAMOS EN UNA BURBUJA.

Esta ronda tiene toda la lógica del mundo si entendés la dinámica real de la carrera de IA. Y el hecho de que suene excesiva es precisamente el punto.

El martes pasado, Adobe cayó 7,31%, Salesforce 6,85%, y Thomson Reuters se desplomó 15,83%. Los analistas corrieron a declarar que "la IA va a reemplazar al software" y que "las empresas de SaaS están condenadas". Es el tipo de narrativa que suena profunda en un titular pero que se desmorona cuando la pensás dos minutos.

Porque acá hay una confusión fundamental sobre qué es el software y para qué sirve.

El software no es el enemigo de la IA. El software es la herramienta que hace que los datos sean útiles. Es lo que transforma información en decisiones, contexto en acción. Y esa necesidad no desaparece porque tengamos modelos de lenguaje más potentes. Si acaso, se vuelve más crítica.

La pregunta mal formulada

"¿Va a desaparecer el software?" es como preguntar "¿van a desaparecer las herramientas?" cuando inventamos mejores materiales. La pregunta asume que el software es una cosa específica que puede ser reemplazada, cuando en realidad es la forma en que estructuramos soluciones a problemas.

Lo que está pasando es mucho más interesante y matizado que eso.

En los últimos dos años, gran parte de la conversación sobre IA se ha centrado en el ascenso de ChatGPT y en los supuestos errores de Google. La narrativa dominante, en la que incluso entré a veces, pinta a ChatGPT como el first mover que tomó la delantera mientras Google dudaba y perdía terreno por la tibieza de Sundar Pichai cuando lo comparabas con la decisión de Satya Nadella y otros. Y, sobre el papel, esa historia es tentadora, pero.

Es innegable que ChatGPT logró una tracción impresionante. Lanzado en noviembre de 2022, alcanzó los 100 millones de usuarios en apenas dos meses — la curva de adopción más rápida en la historia del consumo digital. Desde entonces, OpenAI ha mantenido un ritmo de lanzamientos vertiginoso: GPT-4, GPT-4 Turbo, GPT-5, capacidades multimodales, voz, memoria, agentes, versiones enterprisa… todo en menos de tres años. Todo esto respaldado por un músculo financiero sin precedentes: más de 13.000 millones de dólares de Microsoft y unos 4.000 millones comprometidos por Softbank. El resultado: alrededor de 700 millones de usuarios activos semanales a mediados de 2025 y una posición cultural en la que, para mucha gente, “IA” es sinónimo de “ChatGPT”.

Hoy en día, las startups tecnológicas de EE.UU. tardan más tiempo en salir a bolsa y lo hacen con valuaciones mucho mayores que las empresas de décadas pasadas . Gran parte del upside (el mayor crecimiento en valor) ocurre ahora en el mercado privado – beneficiando a venture capital y private equity – y no en el mercado público al que acceden los inversores minoristas. Esto significa que el tramo inicial de creación de valor se privatiza: el inversor retail se pierde potenciales ganancias tempranas, aunque por otro lado pudieran evitarse algunos riesgos de invertir en empresas inmaduras infladas por inversores privados.

¿Pero cuándo salían “baratas” las IPO tecnológicas?

Veamos algunos ejemplos de grandes tecnológicas y sus valuaciones al momento de salir a bolsa, comparadas con startups recientes:

• Microsoft (fundada 1975, IPO en 1986): 11 años para salir a bolsa, con una valuación de mercado de aproximadamente $500–780 millones. La oferta pública inicial recaudó apenas $61 millones . (Dato curioso: Bill Gates consideraba que un precio por acción de $20 ya empujaría la capitalización por encima de $500 millones, lo cual le parecía “incómodamente alto” ).
• Amazon (fundada 1994, IPO en 1997): Solo 3 años hasta su IPO, debutando con una capitalización cercana a $438 millones . Jeff Bezos llevó a Amazon al mercado público cuando aún era esencialmente una librería online con altísimas tasas de crecimiento pero muy pequeña en tamaño.
• Google (fundada 1998, IPO en 2004): 6 años hasta la IPO, debutando con una valuación de alrededor de $23.000 millones . Google ya era rentable y dominaba la búsqueda en Internet, pero aun así el público pudo invertir desde un market cap relativamente “moderado” en comparación con los gigantes actuales (hoy Alphabet vale más de $1,7 billones ).
• Facebook (fundada 2004, IPO en 2012): 8 años hasta salir a bolsa. Su IPO fue histórica: valuación de $104.000 millones, recaudando $16.000 millones – en su momento, la tercera oferta pública más grande de la historia de EE.UU. . Ya fue un mega-IPO, reflejando que Facebook había capturado gran parte de su crecimiento antes de llegar al mercado público.
• NVIDIA (fundada 1993, IPO en 1999): ~6 años hasta la IPO, con una valuación inicial mucho más modesta. Sus acciones salieron a $12 por acción , lo que implicó una capitalización de apenas unos $500–600 millones (estimados). Tras 25 años como empresa pública, NVIDIA superó los $1–2 billones de market cap en 2024, pero aquel crecimiento fenomenal se gestó desde una base pública muy pequeña.

Si hay algo fundamental en una startup es medir qué tan bien tu producto cumple con las expectativas de los usuarios y si logra mantenerse como parte de su vida: eso se hace midiendo la retención. Punto. Es uno de los indicadores clave de product-market fit, que muestra si las personas no solo prueban tu solución, sino si regresan y la usan de manera recurrente. ¿Y dónde impacta esto? Directamente en los ingresos, sostenibilidad del negocio y tu capacidad de escalar, ya que adquirir nuevos usuarios es mucho más caro que mantener a los existentes.

Pero un problema que veo en varias startups e incluso analistas de fondos es que la retención no se mide en una sola instancia porque el comportamiento de los usuarios cambia con el tiempo. Una sola medición no captura esta evolución ni permite tomar decisiones estratégicas informadas.

Tomar periodos de medición permite identificar patrones de comportamiento, detectar posibles puntos de abandono y optimizar la experiencia de usuario. Por eso la retención se mide a través de timeframes específicos, que podemos estandarizar en los primeros 30, 90 y 365 días.

En un mundo, casi tiktokero, dominado por soluciones rápidas y frases llamativas, los mejores líderes logran dominar la complejidad y hacer que parezca sencilla; los malos lideres sobre-simplifican sin entender siquiera las bases del problema. Hay una frase de Steve Jobs que captura la escencia de esto: la capacidad de simplificar soluciones complejas sin reducirlas a respuestas ineficaces y excesivamente simplificadas es realmente complejo.

“Simple can be harder than complex: You have to work hard to get your thinking clean to make it simple. But it’s worth it in the end because once you get there, you can move mountains.” Steve Jobs

Y cuando sos un emprendedor la simplicidad es una ventaja competitiva SIEMPRE. La gente ansía la simplicidad de manera natural; y lo vas a ver sea un cliente eligiendo entre productos o un equipo alineándose con una estrategia, la claridad inspira confianza y seguridad.

Creo que el ecosistema inversor/emprendedor de la region (Latam+España) no entiende el momento o espacio en el que está en temas de Inteligencia Artificial especialmente en GenAI y, quizás, analizar los 100 papers más citados en el ámbito académico ayude a explicar dónde estamos parados para así entender dónde podemos encontrar oportunidades de inversión para crecer.

¿Por qué los 100 papers más citados? [fuente] Por dos razones principales: por un lado, el momento actual de la inteligencia artificial generativa es el de transferencia tecnológica, de R&D y academia a corporaciones y startups. Y, por otro lado, porque el avance de las corporaciones sobre la investigación académica se está dando a pasos agigantados por la cantidad de capital necesario para desplegar estas soluciones.

Perplexity está empeñado en crear "el próximo Google", o al menos finalmente sacarnos del ridículo paradigma de los 10 links azules como la mejor forma de buscar en Internet; pero es interesante que esto implica que uno puede "dialogar" con el LLM, que es parte del buscador, mantener las búsquedas en memoria e indagar mucho mas en cualquier búsqueda que hagas, entre otras. Esto tiene, al menos, dos nuevas derivadas:

1. Es mucho más interesante "investigar que buscar" con lo que para un dato puro termino volviendo a Google, pero para buscar cuando estoy armando o creando termino dialogando con Perplexity.
2. Si podés usarlo para profundizar, utilizar tus propios documentos o papers suma mucho a este trabajo.

Por eso que aparezcan los Perplexity Spaces tiene sentido y parece un paso natural; los Perplexity Spaces son espacios donde podés agrupar tus búsquedas en la web con tus archivos personales e invitar a terceros a sumarse a ese "centro de colaboración" donde tus búsquedas son híbridas (porque agrupan data pública y data tuya), grupales (porque podés invitar a terceros) y colaborativas (porque todos suman al espacio).

En estas dos semanas vimos noticias sobre el uso de energía nuclear por parte de Microsoft, Amazon y Google; todos apostando a la energía nuclear para alimentar la infraestructura necesaria para sostener el crecimiento de GenAI. Microsoft reactivando Three Mile Island; Google y Amazon apostando a los Small Modular Reactors. Y todo esto está empujando una fuente de energía que nunca debió dejarse de lado.

¿Por qué perdió apoyo la energía nuclear en este tiempo?

La realidad es que perdió apoyo por una mezcla de factores económicos y una idea falsa de la inseguridad de esta fuente:

• Accidentes importantes: los accidentes de Three Mile Island (1979), Chernobyl (1986) y Fukushima (2011) generaron serias preocupaciones sobre los riesgos y consecuencias de las plantas nucleares.
• Gestión de residuos radiactivos: cuando se habla de los desechos radioactivos, en general, los medios solo se enfocan en los problemas a largo plazo, en vez de la optimización de uso del combustible nuclear y la innovación para ese manejo.
• Altos costos de construcción sumados a la desregulación del mercado: los crecientes costos de construir nuevas plantas nucleares, que a menudo superan miles de millones de dólares, hicieron que la energía nuclear fuese menos atractiva económicamente; al desregularse el mercado y bajar los precios, la energía nuclear fue menos competitiva en algunas regiones, y eso empujó menos inversión y, por lo tanto, menos innovación.
• Preocupaciones sobre la proliferación: los temores acerca de que la tecnología nuclear civil pudiera contribuir a la proliferación de armas nucleares aumentaron la inquietud pública.

Un par de temas en los que no quiero meterme son los políticos 1. Repito: Alemania dejó de ser autosostenible y ahora es prisionera del gas de Rusia) 2. El crecimiento de otras renovables con mejor prensa (eg: hidroelectricas y eólicas), especialmente en momentos en los que el foco en cambio climático a veces se torna basado en prensa y no en datos.

Las tecnológicas impulsando la energía nuclear

De golpe (aunque este mercado no frenó) nos encontramos con algunas cosas, como Microsoft reactivando Three Mile Island y comprometiendose a comprar TODA la energia que generen por los próximos 20 años; luego Amazon invirtiendo en el desarrollo de plantas modulares y Google haciendo algo similar con Kairos y todos hablando de "El resurgimiento de la energía nuclear"... con varias razones que se pueden dividir en 4 temas :

• 1. Creciente Demanda de Energía
  • IA y Centros de Datos: el rápido crecimiento de la inteligencia artificial y los centros de datos está creando una demanda de electricidad sin precedentes. La Agencia Internacional de Energía prevé que el consumo eléctrico de los centros de datos podría más que duplicarse para 2026, superando los 1,000 teravatios hora.
  • Electrificación: la tendencia global hacia la electrificación de edificios y vehículos está incrementando aún más la demanda de energía
• 2. Metas de Energía Limpia
  • Electricidad sin carbono: la energía nuclear se ve como una solución climática porque los reactores no emiten gases de efecto invernadero, alineándose con los compromisos de las empresas tecnológicas para reducir emisiones.
  • Limitaciones de las renovables: aún con las inversiones gigantes en energía eólica y solar, hay limitaciones en términos de consistencia y capacidad que la energía nuclear puede subsanar.
• 3. Estabilidad y Confiabilidad de la Red
  • Energía de Base: La energía nuclear puede proporcionar una energía de base estable, crucial para mantener la confiabilidad de la red a medida que aumenta la participación de fuentes renovables intermitentes.
  • Seguridad Energética a Largo Plazo: Invertir en energía nuclear ayuda a las big tech a asegurarse un suministro energético estable y a largo plazo para sus operaciones
• 4. Avances Tecnológicos
  • Reactores Modulares Pequeños (SMR): las empresas están invirtiendo en SMRs, que ofrecen ventajas como menores costos iniciales y construcción modular. Estos se consideran más económicos y más fáciles de desplegar que los reactores tradicionales a gran escala.
  • Otros startups: Terra Power que está ya construyendo su Natrium Plant que supuestamente sale del paradigma del enfriamento por agua para pasar a metales liquidos.

Sumémosle que hay avances con los SMR e inversiones como las de BillG en TerraPower: termina siendo un no-brainer que sean las tecnológicas las que lideren este resurgir sin que esto signifique que el resto de las energías se dejen de lado. De hecho, cuando estaba en MS firmamos un acuerdo gigante con Brookfield enfocado en energía eólica.

All of this matters because the world needs to make a big bet on nuclear. As I wrote in my book How to Avoid a Climate Disaster, we need nuclear power if we’re going to meet the world’s growing need for energy while also eliminating carbon emissions. None of the other clean sources are as reliable, and none of the other reliable sources are as clean. - Bill Gates

En definitiva, la inversión en nuclear, que estamos viendo como una derivada de las necesidades de los datacenters y la inteligencia artificial, es un gran paso adelante para tener complementos a las renovables y que finalmente pasemos a energía verde sin frenar el mundo porque no sabemos salir de la dependencia de viejas tecnologías.

Pocas cosas son mas simples de entender que el ZIRP que vivimos hasta 2021; con tasas de interés en cero el mercado no le preocupa el ROI ahora o en una década con lo que un fondo de inversión puede apostar a largo plazo y en ideas estúpidas.... ¿cuando levantaron plata esos fondos que admirás?

Fast-Forward a hoy: con tasas de 5.5% pongo plata en bonos y en una década tengo 170% de retorno ¿que fondo me da ese retorno? (*) entonces a un VC no puedo darle plata para que haga pelotudeces y entonces los inversores de riesgo se vuelven mas conservadores porque les cuesta levantar un fondo.

¿Cual es la segunda derivada de esto? los fondos grandes que invirtieron en valuaciones ridiculas (eg: A16z) llamaron la atención de los PE players (eg: Coatue, Tiger, etc.) y juntos generaron una generación de startups que van a parir para que sus siguientes rondas no sean un downround y hay una fricción gigantesca para invertir si no tienen runway.

¿A que viene esto? a que es un gran momento para invertir en early stage o inversiones ángel... el mercado se limpió:

• muchos de los fondos que necesitaban desplegar su capital en growth hoy no van a molestar en early stage porque necesitan cuidar sus números,
• muchos emprendedores que lograron salir en 2020/21/22 tienen ganas de hacer cosas y tienen capital para invertir en otros,
• Ai está recién arrancando y el valle de la desilusión va a borrar wrappers y startups sin diferenciación.

Soy más que optimista de este momento, creo que el ecosistema emprendedor debería enfocarse en construir porque el capital va a seguirlos, en vez de seguir ellos al capital (x) como pasó un tiempito nomás.

notas:

(*) y eso es solo para mantener mi poder de compra porque con 5.5% técnicamente voy a perder un 42% de valor.

(x) si los fondos y las asociaciones regionales no empiezan a hablar en serio del tema del ZIRP van a seguir mirando boludeces en vez de dar un debate interesante aunque privado.

Desde que llegó a Twitter Elon Musk hizo casi todo mal pero logró algo interesante que fue romper algunos mitos y uno de esos fue que la gente encuentra valor en tener cuentas verificadas y pagaría por eso.

Es cierto, en Twitter se hizo mal y se convirtió en un badge of shame pero en Meta se hizo realmente bien y cada vez más gente tiene un badge porque hay una propuesta de valor atras.

Pensalo en “identidad verificada” o “soporte prioritario” o “protección de cuenta” o cualquier otro pilar… pero hay algo de esto que representa un gancho para que los usuarios paguen y, consecuentemente, sean más civilizados 🤣

Meta lo enmarcó en un concepto de “como usuario que quiere usar nuestra plataforma las preocupaciones son X,Y,Z (eg: seguridad, verificación, soporte) y esto te sirve en todos los productos” mientras que Twitter lo enmarcó en una guerra cultural hasta forzando el checkmark en gente que no lo quería.

Las comunidades no son fáciles, especialmente a escala, pero la confianza es su pilar… y la narrativa de Meta fue súper clara y directa; y ahora tiene una nueva fuente de ingresos sin confrontación o daño a la marca.

La crisis del Silicon Valley Bank me trajo recuerdos a un Ministro de economía argentino quejándose del mercado -"Les hablé con el corazón y me respondieron con el bolsillo"- porque un componente importante de esta crisis se dio por temas de percepción y timming sumadas a una de las peores diversificaciones a nivel negocio que vi:

SVB customers were pulling deposits out of the bank as the prolific venture capital fund Founders Fund advised its startup companies to withdraw funds from SVB. This deposit outflow is forcing the bank to sell bonds worth $21bn at a combined post-tax loss of $1.8bn forcing SVB Financial to announce a public offering of common stock worth $1.25bn and $500mn of depository shares.

Esto disparó una serie de comunicaciones por parte del CEO que, en otro momento, podría generar un debate sobre que sus comunicaciones hicieron un cocktail explosivo:

• El CEO decidió vender varios millones de dólares que tenia en acciones del banco.
• Decidieron reforzar su balance sheet con 2.5bn luego de la venta de MBS a pérdida.
• Comunicaron esto el mismo dia que Silvergate, otro banco, tenía que cerrar operaciones por sus problemas de balance-sheet (misma lógica)
• Y comenzaron algunas declaraciones del CEO: “We have ample liquidity to support our clients, with ONE exception” y “If everybody is telling each other that SVB is in trouble, that will be a challenge.”

Honestamente creo que la suma de mala estrategia de negocio sumada a un muy mal timming y estrategia de salida, crearon lo que llevó al banco preferido del ecosistema de startups y fondos de inversión a ser intervenido por la FDIC porque no lograron interés de compradores que, en este punto, esperan que todo se rompa para pagar menos.

¿Cómo sigue esto? El procedimiento tradicional de la FDIC:

"All insured SVB depositors will have access to their insured deposits no later than Monday morning" ... "It would pay uninsured depositors an advance dividend within the next week." ... "Uninsured depositors will get a receivership certificate for the remaining amount" ... "as it sells off SVB’s assets, future payments may be made to uninsured depositors" ... "the FDIC will now look for a buyer to take over SVB" ... "If one can't be found, the bank will likely be pieced out over the coming weeks. Stockholders in the bank will be wiped out."

Ahora ¿quién va a pagar por este outlook? Acá les dejo el PDF con el update oficial del banco.

Cuando Elon Musk decidio cortar acceso a las APIs a los developers externos lo hizo sin anuncio oficial, sin aviso de lo que iba a venir y sobre todo sin darle tiempo a los que ayudaron a Twitter crecer como plataforma a cambiar sus modelos o cerrar de forma ordenada.

Twitterific fue el que le dio el nombre "tweets" y el que uso un pajaro como logo antes que Twitter el que creo la primer app para MacOS y hasta el que "nesteó" respuestas a los tweets... literalmente creó el concepto de conversaciones y hoy está pidiendo a sus usuarios que instalen un update a sus apps solo para evitar la bancarrota.

¿que paso? un dia dejaron de funcionar sin motivo y hoy estan pagando las malas decisiones de Twitter

Ese dia se dieron cuenta que no tenian mas acceso a Twitter y tuvieron que asumir que su negocio habia muerto... pero no solo eso, sino que al morir su acceso a Twitter las suscripciones anuales via Apple Store se empiezan a devolver a los usuarios de forma automática; para entenderlo mejor:

Twitter’s kneecapping of third-party clients didn’t just mean that their future revenue was gone — it meant revenue they’d already collectedfrom App Store subscriptions would need to go back to customers in the form of prorated refunds for the remaining months on each and every user’s annual subscriptions. Consider the gut punch of losing your job — you stop earning income. It’s brutal. Now imagine that the way it worked when you get fired or laid off is that you’re also suddenly on the hook to pay back the last, say, 6 months of your income. 

Tweetbot and Twitterrific Face the Cliff

Lo que hizo Twitter/Musk es simplemente imperdonable en un ecosistema de partners... cuando uno tiene relaciones no solo comerciales sino casi simbioticas como una plataforma y sus clientes si no hace un "sunsetting" el acceso a las APIs porque sino matas a todo el ecosistema

Lección para ambas partes: el onboarding tiene la gran ventaja de que es el momento donde tenés todo por ganar y donde ambas partes se suman valor; el off-boarding en cambio necesita ser planeado porque la dinámica de abandonar una plataforma tiene derivadas que no podes ver instantáneamente.

Leccion para las "terceras partes": cuando haya cambios estratégicos en una plataforma creá planes de contingencia para estas situaciones.

Fue Steve Jobs el que dijo "If you don't cannibalize yourself, someone else will." y creo que por eso la acción de Google cayó un 9% en un solo dia cuando apuró un evento de AI y no porque "hubo un error en una demo".

Lo que el análisis de 280 caracteres resume en "Google perdió un 9% porque una demo salió mal" es no entender el porque Google no habia presentado hasta ahora una interfaz conversacional como ChatGPT para aumentar los resultados: esto cambia la dinamica de negocio y no hay incentivos para innovar si canibalizas tus ingresos mientras cambia tu estructura de costos

• La estructura de costos de una interfaz conversacional sobre inteligencia artificial es diferente a la del modelo actual de los buscadores (aka: 10 blue links).
• El modelo de ingresos cambia radicalmente versus la actual integracion de links de anuncios arriba y abajo de los resultados en varios sentidos:
  • La interfaz es diferente entonces el espacio "above the fold" cambia; la integracion/mezcla de SERP/SEO cambia
  • pero mas estratégico es que el usuario ahora espera algo mas que "un link con la informacion" y nadie hizo pruebas a escala de esos nuevos modelos.

Pero entonces ¿con tantas preguntas porque el mercado le pego a Google este golpe que borró $100b en una hora? porque esperaban que se presente algo parecido al nuevo Bing que presentó Microsoft y Google no lo hizo... repito: no lo hizo porque pese a tener talento y tecnologia no tenia incentivos para probar algo que pudiera canibalizar su modelo de negocios por eso hay otro jugador, Microsoft, probando cosas nuevas.

¿Porque hablo de Microsoft si empece hablando de la caida de 9% en un dia de $GOOG o citando a Steve Jobs? porque la realidad es que en algun momento todos los negocios necesitan cambiar... y los mejores ejemplos son los dos "abuelos" del mercado de las Big Tech: Apple y Microsoft tienen 47 años y ya sufrieron reinvenciones.

Apple presento el iPhone en 2007 sabiendo que iban a volver obsoleto al iPod aun cuando era el motor de su crecimiento; Microsoft se enfoco en la nube aun cuando era su core eran los servers... "If you don't cannibalize yourself, someone else will."

Enter Satya y su experiencia en canibalizarse antes que lo canibalice otro, que explica MUY bien en su entrevista con The Verge sobre "The New Bing":

Like all things, one of the things that I think about is, in platform shifts, two things have to happen. You have to retool pretty much every product of yours, so you’ve got to rethink it, whether that’s the way you build it or what its core features are. It’s like how Microsoft had to pivot for the cloud to rethink exchange. It was not an exchange server. It was exchange as a service or what we had to do with our server infrastructure. We had to rebuild, essentially, a new core stack in Azure. So every time, with transitions, you have to essentially rewrite it. That’s how I think about it. The second thing is you also have to think about the business model. Sometimes these transitions are pretty harsh. I’ll tell you, the last transition from having the high share server business with great gross margins to saying, “Hey, the new business is called cloud, and it’s going to have one-fourth the margins” as the new news was pretty harsh, but we made it.

Satya Nadella explicando las dos caras de un cambio de paradigma.

Pero ¿hace bien el mercado en apostar contra Google? honestamente no lo creo... Google tiene el talento, tiene el market share y sobre todo tiene a Chrome y Android para apalancar todo; ojala hoy tengan algo de miedo y dejen de alocar experimentos interesantes como Google Duplex a una parte de Assistant.

Me pareció interesante el lanzamiento de Quora, POE o “Platform for Open Exploration” es su AI conversacional usando OpenAI y Anthropic como motor para encontrar contenido con dos enfoques diferentes pero sin entrenarlo con su contenido porque todavía no esta claro como impacta en propiedad intelectual y saben que no hay precisión fáctica... sabiendo que quieren construir un ecosistema sobre este.

(1) Dos modelos en un producto ¿porque Quora usa dos motores y cuales son las diferencias entre OpenAI y Anthropic? Por las dudas explico algo básico; cada modelo tiene su propio entrenamiento, cada modelo se optimiza para cosas diferentes y, estoy seguro que a medida que aparezcan mas opciones veremos cosas muy diferentes (eg: un modelo entrenado en el "cespool of hate" que es Twitter seguro sale racista pero sin duda va a estar optimizado para engagement) lo bueno de esto es que uno puede elegir.

Por ejemplo, por la base de sus decisiones, OpenAI no tiene acceso a eventos posteriores a 2021 y Anthropic no responde ciertas preguntas (honestamente no se cuales son esos lineamientos) entonces cuando instalas POE y elegís entre Sage, Claude o Dragonfly... en realidad estas eligiendo bots entrenados por esas modelos y atados a esas limitaciones...

Por esas mismas limitaciones, que incluyen los sesgos de entrenamiento, las limitaciones de dataset y sobre todo que no están entrenados para certeza es que NO se integran en Quora sino que se mantiene como un "extra" para experimentar... de ahi su nombre: “Platform for Open Exploration”

(2) una comunidad para refinar preguntas y resultados Y acá viene lo interesante de Quora, no solo podes elegir el modelo, sino que podes crear un perfil y seguir a otros usuarios que esten usando POE y puedas usar sus "prompts" para hacerles sintonía fina y vayan mejorando... con algo de suerte una comunidad de varios cientos de millones ayudaran a mejorar el modelo con el ida y vuelta que genera su uso.

(3) una api para crear ecosistema Ah, si sos developer... Quora está preparando una API para que puedas integrarlo en tus aplicaciones o crear algo nuevo desde cero en ese ecosistema. Que es lo que, en última instancia, los va a separar del resto y le da sentido a la frase que uso el CEO en el anuncio:

Over time, we hope to become the most efficient way for people to collectively explore the possibilities opened up by new AI models as they are released. 

Adam D'Angelo: POE

Pueden descargar POE para iOS en este link

Amazon abre a todos los comercios de US su plataforma Buy with Prime para que puedan ofrecer todos los beneficios de Amazon Prime a tus clientes finales... a cambio solo le permitís a Amazon convertirse en el dueño "de facto" de tus clientes ya que es la plataforma de pago, procesamiento, logística y las devoluciones.

Pero ¿porque los dueños de los small business de USA aceptarían algo que es claramente darle mas dominio a su principal "enemigo" que es Amazon? porque claramente tiene ventajas asociadas y pocas veces entienden como una plataforma se convierte en su enemiga.

Las Ventajas de Amazon Buy with Prime son claras; para alguien que no quiere dedicarse al fulfillment de ventas via internet esto es una solución llave en mano que tiene la gran ventaja de que todos-conocemos-a-amazon y eso sube mucho la confianza por eso aumenta la conversion general de cualquier sitio que incluya a Amazon en el workflow.

Las desventajas, por otro lado, son claras si conoces como trabaja Amazon; estas cediendo hasta las políticas de devolución y el stock no lo manejás centralizado sino que el definido para e-commerce lo tiene ahora un tercero que no sos vos.

Pero el peor problema es estratégico y es que le das mas poder a Amazon que si ya tenía en sus manos el acceso a los compradores, ahora quiere ser el que maneje a los pocos vendedores que no estaban en amazon.com o en el marketplace. Quedándose cada vez con una parte mas grande del valor que se negocia en su plataforma.

enshittificación es "… una consecuencia aparentemente inevitable que surge de la combinación de la facilidad de cambiar la forma en que una plataforma asigna valor, combinada con la naturaleza de un "mercado de dos lados", donde una plataforma se encuentra entre compradores y vendedores, manteniendo a cada uno como rehén de el otro, llevándose una parte cada vez mayor del valor que pasa entre ellos".

Cory Doctorow: The enshitification of TikTok

Mi relación con Uruguay es ya conocida, generaciones de familia con un pie en ambos lados del charco y un amor por esa cultura relajada que hace que pase cada año un poco más de tiempo ahi y surja siempre, luego de PuntaTech que es el evento del "ecosistema" la misma pregunta ¿que opinas de Uruguay como ecosistema?

Tiene lo pilares listos para ser un gran ecosistema pero todavía no tienen un foco especifico y eso le juega en contra frente a la competencia que debe enfrentar de otros mas agresivos o mas grandes que hay en la region...

Vamos por partes, todo ecosistema de innovación (llamenlo Startup Nation si quieren) tiene 5 pilares y Uruguay tiene bastantes mas elementos que su competencia:

• Culture & Role Models: si algo distingue al ecosistema de UY es que tienen grandes tecnólogos y hablo específicamente de los que tienen esa mezcla de éxito personal y ganas de sumar su conocimiento al ecosistema. Nos faltan los casos de éxito públicos, esos que pasan el "test de madre orgullosa" :)
• Early Stage Funding & Advisors: hoy en dia gracias a su seguridad jurídica y a su tradicional forma de mirar el mercado, hay cientos de emprendedores e inversores de toda la region que están basados en Montevideo o Uruguay... que pongan skin in the game y empiecen a empujar el mercado.
• Supply-of-Talent: algo super interesante de UY es que hay bastante conexión entre el mundo académico y el de negocios; una de las grandes ventajas del tamaño del país... y una de las grandes necesidades para crecer.

Lo que les falta (en esa matriz de 5 puntos) es simple:

• "Active Exit Markets" que generan el cash para crear inversion angel y asi sucesivamente... porque todos piensan en "cuantos millones se llevan los fundadores" pero la realidad es que cuando hay un exit, ese hito financiero se traslada a los primeros empleados, a los primeros inversores, a las capas de talento que fueron el motor de crecimiento de la empresa y eso genera liquidez.
• El paso anterior tambien falta Growth Funding que se necesita parallegar a los "liquidity events" 

Pero honestamente... en un mundo de inversiones donde cada vez todo es regional ¿que frena a los inversores de late-stage o incluso a las adquisiciones para tener a Uruguay como objetivo? nada. Literalmente nada. Si algo tiene UY es, repito, una tradición de respeto a la propiedad privada y seguridad financiera para que se pueda invertir en paz... cuando critican a UY desde ese punto de vista, siempre respondo: "en esta region, la seguridad jurídica de UY la envidian casi todos"

Pero, mientras sigo en la playa, pienso... ¿que apuntaría a resolver si fuese parte de ese ecosistema?

• La conectividad física que es dolorosa, y aunque me hablen de remote/hybrid/WFH la realidad es que se necesitan vuelos directos a USA constantemente y sin tener que pasar por SAO o EZE. Punto a favor: lo tiene en cuenta y lo saben.
• Un foco claro ¿a que me refiero con esto? a que elegir un par de pilares y empujarlos te da ventajas competitivas que, para un mercado chico, son clave y pensando en ejemplos fáciles de entender puedo hablar de Israel con Ciber/Health/SaaS o de El Salvador con Cripto (ok, este caso da vergüenza pero... es un buen disparador para preguntarse ¿que hubiese pasado si UY hubiese usado su peso especifico y apuntado a ser el core de Fintech en latam? idea nomás :)

Pienso en Miami, como paso de tener un alcalde que pensaba que el turismo era todo lo que importaba a ser un hub tecnológico que incluso tiene un motto que yo usaría para Uruguay "La Capital del Capital"... por como se posicionaron para atraer fondos de inversion regionales e incluso europeos que atacan Latam desde ahi.

Y sigo pensando ¿hay algo bueno que vi repetido e muchos ecosistemas exitosos? fue el acercamiento del gobierno a privados que, ademas de ser talentosos, quieren empujar a sus países mas alla... los primeros tres que me vienen a la mente (no se ofenda el resto, bó!) pero los quiero en mi equipo siempre:

• Eduardo Mangarelli,
• Silvia Chebi y
• Pablo Brenner...  

A ver, Uruguay es un mercado chico pero puede ser un ecosistema grande, deberian encontrar su foco y apoyar al talento world-class que tienen; y lo que digo siempre: Uruguay no tiene que copiar un modelo, pero puede aprender de Israel, Berlin, Miami, Suiza, UK y crecer mas que su propio tamaño.

¡Vamo' arriba, bo!

Es muy difícil, siendo autoexigente y a veces injusto con uno mismo, convivir con un mundo donde medimos todo, lo comparamos todo, lo programamos todo... la única manera de no deprimirte es entender que medir y como un dashboard necesita siempre un doble click, los datos los tenés ahi y depende como los mires vas a pensar que sos un fracaso o entenderás donde mejoraste y donde tenéis áreas de mejora.

El mejor ejemplo fue mi año en Strava; comparando 2022 con 2021 mi primer reacciones fue pensar "que pelotudo, hice 41km menos que el año pasado... no puedo haber estropeado asi el año!" y eso me quedó dando vueltas en mi cabeza un par de días aunque era un error mirarlo así.

Es impossible que una sola métrica te defina el triunfo o fracaso, a lo sumo mostrará un KPI pero nunca el progreso total de tu trabajo (cualquiera sea el que estés midiendo) por ejemplo en el screenshot superior se ve que hice 2% menos KM que en 2021 pero aumenté la elevación un 57% con menos esfuerzo (medido en zonas cardiacas) y en 4% menos tiempo... esto implica un mejor estado aeróbico y aun estando un mes fuera de "pistas" por el robo que sufrí en Abril.

Y de nuevo, vuelvo al tema de los datos ¿explica UN incidente la caída en kilómetros totales? depende... es una justificación fácil de aceptar pero la realidad es que justifica un bajón momentáneo pero de ahi salieron dos tendencias que solo pude analizar viendo datos:

• Hubo más de un mes donde no hice nada (mas alla de una salida en Mayo en una bicicleta alquilada en Miami llamada "Lolita" ¿?) y eso me hizo perder estado físico que recién recuperé en Agosto... gran fallo, dejar que un incidente me deprima y casi defina el año.
• Mejor entrenamiento desde Julio en Adelante. Asi como dejé que el robo me joda casi dos meses de motivación; tome ese tiempo para entender como mejorar de una forma mas inteligente: entrenamientos en zona 2, intercambio de dias de ciclismo y trote y hasta mejor alimentación.

¿que es interesante de esto? que esta en uno poder analizar datos y encontrar la motivación para seguir mejorando sabiendo que es imposible hacer todo perfectamente de acuerdo a lo establecido, pero lo importante es entender como se puede mejorar y como aprender de los golpes...

Los datos los tenemos y es sólo cuestión de sentarse y analizarlos en su integridad para ver donde están las áreas de mejora antes que el autoflagelamiento sin sentido ;)

Otra tecnológica que tiene que reestructurarse para enfrentar el mercado complicado, o pre-recesion, que parece avecinarse; esta vez Snap (-86% en un año) mata proyectos y despide al 20% de su plantilla para lograr 500m en ahorros anuales.

Es interesante ver que aunque todos están mirando cuantos empleados se recortan (20% de su planta de 6.000) lo que me llama la atención es como están matando los proyectos no-core de su negocio y que buscaban probar nuevas ideas o hacia donde iba el mercado:

• Shows Originales: los que generaban contenido para "Discover" y que eran un centro de costo pero servia para analizar si había retención frente a la competencia.
• In-Apps: los hooks que le permitían a terceros crear juegos y apps que se corrian en Snapchat.
• Adquisiciones: Zenly (la app de geolocacion de amigos) y Voisey (la de musica para videos) que usaban para diferenciarse.
• Hardware: asi como tenían los Spectacles habían lanzado Pixi el minidron que era una cámara que te seguía y te permitía publicar con otro formato (me gusto siempre esta idea de experimentación).

Si uno mira con atención, van a ver que Snap se enfoca en el crecimiento de su core (la comunidad) y mirando revenues (los unit economics que vivo predicando) en un memo más tradicional de lo que parece.