En una semana vi tres cosas que me hicieron ruido. Gary Tan, presidente de YC, contando que se medica con estimulantes del sistema nervioso central para escribir más líneas de código. Jensen Huang declarando que si tu ingeniero de $500K no está quemando al menos $250K en tokens “algo está mal”. Y OpenAI premiando a los devs que consumen más tokens con medallas de plata, negro y azul, como si fuera un programa de millas (tip: escrito desde EZE).
Lo que no escuché en ninguno de los tres casos: alguien hablar de impacto en el negocio.
Ni UNA sola referencia a qué problema se resuelve, a qué cliente se le mejora la vida, a qué métrica de negocio se mueve. Solo consumo, actividad, movimiento. El mapa confundido con el territorio.
El problema con las vanity metrics disfrazadas de productividad
Eric Ries lleva más de quince años explicando la diferencia entre vanity metrics y actionable metrics. Las primeras se ven bien en una presentación y no te dicen nada sobre si tu negocio funciona. Las segundas son las que conectan con causas y consecuencias reales.
“Líneas de código escritas por día” es una vanity metric de manual. Siempre lo fue. La industria del software aprendió esto hace décadas: un programador que escribe 500 líneas de código limpio, bien estructurado, que resuelve el problema correcto, es infinitamente más valioso que uno que genera 5.000 líneas de spaghetti que nadie entiende y que hay que reescribir en seis meses.
Que el presidente de la aceleradora más influyente del mundo esté hablando de “más líneas de código” como indicador de productividad personal no es solo un error conceptual. Es una señal preocupante sobre qué valores se están promoviendo hacia abajo.
Y lo del carpintero con 5.000 clavos por minuto es exacto: no importa cuántos clavos uses si no sabés dónde va cada uno.
Jensen y el contexto que falta (irónicamente)
La cita de Jensen Huang tiene una lectura obvia: el CEO de NVIDIA diciéndole al mundo que gaste más en procesamiento. El conflicto de interés es tan evidente que casi da vergüenza ajena.
Pero hay algo más interesante ahí. Si le das contexto, la frase puede tener sentido en un escenario muy específico: un equipo que está subutilizando herramientas de IA porque tiene miedo al costo, cuando el ROI real de usarlas más justifica con creces la inversión. Ese argumento existe y es válido en algunos casos.
El problema es que sin contexto, sin datos, sin un ejemplo concreto de “usamos X tokens, resolvimos Y problema, generamos Z resultado”, la frase es solo un incentivo a consumir más. No es un argumento, es marketing.
Y acá viene algo que me parece importante: ningún hyperscaler tradicional funcionó así. AWS, Azure, GCP durante años premiaron a los que tenían business cases sólidos. Casos donde podías demostrar que con su plataforma resolvías un problema concreto, creabas algo que antes no existía, o escalabas algo que antes era inviable. No “hey, ¿quién gasta más en bases de datos este mes?”. La lógica de los premios de tokens de OpenAI invierte esa prioridad. No premia el impacto. Premia el consumo.
La obra y el autor, o cómo separar el ruido de la señal
El tema de separar la obra del autor es viejo y siempre incómodo. No necesitás que una persona sea moralmente consistente para que sus ideas técnicas sean valiosas, y viceversa.
Pero hay algo distinto cuando el “autor” no es un artista sino alguien con poder sobre miles de founders. Cuando Gary Tan habla, YC escucha. Y YC financia a personas que forman ecosistemas. Las ideas de Tan sobre productividad no son privadas, son prescriptivas hacia abajo.
La obra acá no es solo lo que dice, es el marco mental que instala. Y ese marco, en esta semana concreta, fue: el que más produce (líneas, tokens, actividad) es el que mejor está… aunque eso te implique consumir neuroestimulantes.
Lo que los negocios reales te preguntan
Llevé un tiempo trabajando con startups, primero desde Wayra y después desde distintos lugares. Y la pregunta que siempre termina siendo decisiva no es “¿cuánto usaron?” sino “¿qué problema resolvieron y para quién?”.
En este blog escribí hace un par de años sobre el incentivo de innovar cuando Google dudaba en adoptar interfaces conversacionales porque eso canibaliza su modelo de negocio. El punto de ese post sigue siendo válido acá: la innovación que importa es la que cambia algo en la ecuación de valor de tu cliente o de tu negocio. No la que acumula actividad.
La innovación técnica puede darte una ventaja competitiva de 6 a 18 meses. La innovación de modelo de negocio puede darte años. Y ninguna de las dos se mide en tokens por mes.
El problema con el momento actual de la IA es que hay incentivos muy fuertes para que confundas actividad con progreso. OpenAI necesita justificar su valuación. NVIDIA necesita vender GPUs. Los hyperscalers necesitan llenar sus data centers. Todos tienen razones económicas legítimas para que vos consumas más.
Lo que nadie tiene incentivo en decirte es que el 70% de los proyectos de transformación digital no logran los resultados esperados. No porque la tecnología sea mala. Porque el problema original no estaba bien definido, o porque se confundió adoptar tecnología con innovar en el modelo de negocio.
Lo que hay que preguntarse antes de seguir cualquier moda
Si estás considerando adoptar una herramienta, cambiar un proceso, o reorganizar un equipo basándote en algo que leíste esta semana, hay tres preguntas que vale la pena hacerse antes:
¿Qué problema de negocio específico resuelve esto? No “ser más productivo” o “aprovechar la IA”. Un problema concreto, con un cliente concreto, con un costo o fricción concreto que se reduce.
¿Cómo lo mido? Si la única forma de saber si funcionó es “se siente mejor” o “usamos más tokens”, probablemente no hay un case de negocio real.
¿Quién tiene incentivo en que yo haga esto? No para volverse paranoico, sino para entender desde dónde viene la recomendación.
Gary Tan es inteligente. Jensen Huang también. Y ambas frases de esta semana me parecen, con toda la empatía que puedo reunir, ejemplos de lo que pasa cuando el mapa se confunde con el territorio.
La pregunta que me queda es esta: ¿cuántas decisiones de negocio están tomando hoy basadas en lo que dijo alguien en una conferencia o en un post viral, sin pasar por ese filtro básico de “¿pero esto qué problema de mi negocio resuelve?”?