Dos cuentas corrientes. Los mismos protagonistas.

En la primera: Anthropic captó 65.000 millones de dólares a una valoración de 965.000 millones, convirtiéndose en la empresa privada de IA más valiosa del mundo. OpenAI presentó en secreto su solicitud de salida a bolsa.

En la segunda: Microsoft canceló las licencias de Claude Code de sus ingenieros porque cada uno gastaba entre 500 y 2.000 dólares al mes. Uber confirmó que quemó todo su presupuesto de IA para 2026 en cuatro meses.

La misma semana.

La brecha entre estas dos cuentas es el retrato más honesto del momento que atraviesa el sector.

Latidos de la semana

Anthropic cierra su mayor ronda de la historia: 65.000 millones de dólares a 965.000 millones de valoración.

Los números que se anticipaban hace dos semanas — 30.000 millones a 900.000 millones de valoración — se quedaron cortos. Anthropic supera ahora a OpenAI como empresa privada de IA más valiosa del mundo.

Lo que no cambia con este número: la velocidad de consumo de capital en el sector. Los laboratorios de frontera queman recursos a una escala sin precedente en la historia tecnológica: computación, talento, infraestructura.

Lo que sí cambia: la posición relativa de Anthropic, y la señal que manda al mercado sobre quién tiene más momentum en este momento. Momentum que, en pocos meses, también tendrá que convencer a los mercados públicos.

Claude Opus 4.8: 42 días, misma tarifa, 2,5 veces más rápido.

Lo más significativo de Opus 4.8 no son sus métricas, es el ritmo al que llega. Cuarenta y dos días separan Opus 4.7 de Opus 4.8.

En ese intervalo: el Fast Mode pasa a operar a 2,5 veces la velocidad del modelo estándar y se abarata tres veces respecto a versiones anteriores. El agentic coding sube del 64,3% al 69,2%. El modelo es ahora menos propenso a dejar pasar sus propios errores en código sin señalarlos.

Claude Code incorpora “dynamic workflows” — capacidad para abordar problemas de gran escala en varias fases autónomas sin perder el hilo entre ellas. Disponible desde el primer día en claude.ai, GitHub Copilot y AWS. El mismo precio que Opus 4.7.

Un modelo Opus nuevo cada seis semanas empieza a ser, en sí mismo, una declaración de intenciones sobre a qué velocidad quiere competir Anthropic.

OpenAI presentó en secreto su solicitud de salida a bolsa. Objetivo: septiembre.

Una solicitud confidencial de IPO no es un anuncio de cotización: es el primer paso formal con la SEC, en privado, antes de que se haga público. OpenAI lo presentó con Goldman Sachs y Morgan Stanley como banqueros líderes. El objetivo: debutar en bolsa en septiembre de 2026 a una valoración esperada superior al billón de dólares.

Anthropic apunta a octubre. Los dos grandes laboratorios de IA del mundo llegarán a los mercados públicos con semanas de diferencia. Para quienes los usan como proveedores, eso tiene una implicación práctica concreta: los incentivos de ambos van a cambiar.

Las decisiones sobre precios, roadmap y soporte se tomarán con la mirada puesta en accionistas públicos, no solo en clientes actuales. Es un cambio de interlocutor que vale la pena anticipar.

Microsoft cancela sus licencias de Claude Code. Uber quemó su presupuesto en cuatro meses.

Hay una paradoja en los modelos de precio por token que nadie del sector quiere articular con claridad: una herramienta de IA basada en tokens cuesta más cuanto más útil es. Porque cuanto más útil es, más la usan. Y cuanto más la usan, más sube la factura.

Microsoft lo descubrió en su división de Experiencias y Dispositivos — la que construye Windows, Microsoft 365, Outlook, Teams y Surface. Los ingenieros gastaban entre 500 y 2.000 dólares al mes por cabeza en Claude Code. La respuesta: cancelar las licencias y redirigirlos a GitHub Copilot CLI, el producto propio.

Uber, por su parte, confirmó que agotó su presupuesto de IA para todo 2026 en cuatro meses. GitHub — que tampoco es inmune — anuncia que todos sus planes de Copilot pasan a facturación basada en uso el 1 de junio.

El problema de los precios por token en la adopción empresarial de IA es real, conocido dentro del sector, y todavía no tiene solución.

Project Glasswing: 10.000 vulnerabilidades críticas en software ampliamente usado, en 30 días.

Claude Mythos Preview — el modelo de Anthropic aún no disponible al público — escaneó más de mil proyectos de software open source durante el primer mes de Glasswing e identificó 23.019 problemas totales, más de 10.000 de severidad alta o crítica.

Seis firmas independientes de ciberseguridad validaron como positivos reales el 90% de los hallazgos revisados. Los partners del proyecto incluyen AWS, Apple, Cisco, Google y JPMorganChase.

Ahí está la pregunta que Glasswing plantea, y no es técnica: ¿quién decide a quién se le da acceso a un modelo capaz de quebrar la seguridad del software global?

Por ahora, la respuesta es que ese acceso no está disponible al público, y Anthropic tiene el control. Lo que no está claro es por cuánto tiempo esa ecuación se mantiene estable.

Cinco señales distintas. Una sola semana. En Amplify Premium trabajamos qué implica cada una para tu negocio.

Únete →

En profundidad

La profecía que ya no conviene

Durante tres años, dos de las voces más influyentes del sector de la inteligencia artificial construyeron parte de su posicionamiento público sobre una misma advertencia: la IA iba a eliminar empleo de entrada a escala masiva.

Sam Altman lo formuló de múltiples formas desde 2023. Dario Amodei fue más específico: llegó a estimar que la IA podría automatizar hasta el 50% de los trabajos de cuello blanco en el corto plazo. Estas predicciones no eran posiciones marginales — venían de los CEOs de los dos laboratorios más avanzados del mundo y se reprodujeron en portadas y debates de todo tipo durante años.

Esta semana, los dos dieron marcha atrás casi al mismo tiempo.

Altman dijo que estaba “bastante equivocado” sobre el impacto económico de la IA en el empleo. Que esperaba haber visto más destrucción de puestos de entrada de la que ha ocurrido. Que ya no prevé “el tipo de apocalipsis laboral que algunos en nuestro sector promueven.” Amodei ajustó su posición en una dirección parecida: la automatización podría expandir el trabajo humano, no contraerlo.

Es tentador leer esto como información nueva. Pero hay un elemento de contexto que conviene no dejar fuera: OpenAI presentó esa misma semana su solicitud confidencial de IPO. Anthropic se dirige a los mercados en octubre. Dos empresas que van a pedir al mercado público valoraciones de un billón de dólares tienen un incentivo estructural para suavizar cualquier narrativa que complique su relación con reguladores, legisladores y el gran público.

Eso no convierte su posición en mentira. Hace que el timing no sea inocente.

¿Y qué dicen los datos reales sobre empleo e IA?

La respuesta honesta es que la imagen es más compleja que cualquiera de las dos narrativas. El impacto laboral de la IA está siendo asimétrico, sectorial y no lineal. Hay ámbitos donde el trabajo de entrada ha cambiado de forma visible. Hay otros donde la IA ha generado demanda de perfiles nuevos. El dato más revelador de los últimos dos años no es cuántos puestos se han eliminado — es que el mercado laboral lleva meses en un estado de suspensión: las empresas no despiden en masa, pero tampoco contratan con normalidad. La incertidumbre sobre qué perfiles necesitarán en doce meses paraliza las decisiones en ambas direcciones.

La lectura útil de todo esto es notar que las predicciones sobre el impacto del empleo de la IA han fallado en ambos sentidos, con argumentos sólidos de ambos lados, desde que el debate comenzó. Lo que no ha fallado es el análisis a nivel de tarea específica.

¿Qué tareas concretas de mi empresa son automatizables hoy, con qué herramientas, con qué coste real y con qué retorno medible? Esa pregunta tiene respuesta. Es trabajo que se puede hacer. Y a diferencia de las predicciones macroeconómicas, es trabajo que produce resultados antes del trimestre que viene.

Herramienta de la semana

Granola

El problema que resuelve. Tienes llamadas toda la semana — con clientes, proveedores, colaboradores. De cada una salen decisiones, compromisos y tareas. Para que no se pierdan, tienes que tomar notas mientras escuchas, o releer la transcripción después, o confiar en tu memoria. Ninguna de las tres funciona bien.

Qué es Granola. Una app de notas de reuniones con IA que funciona de forma distinta a lo que hayas probado: no entra como bot en tu videollamada — captura el audio directamente desde el sistema de tu ordenador, en local, sin que nadie en la llamada necesite aprobarlo ni sepa que está activo. Al terminar, produce un resumen estructurado: puntos clave, decisiones tomadas, acciones pendientes. Compatible con Zoom, Google Meet, Teams y cualquier llamada que pase por tu equipo.

Cómo funciona en la práctica. Abres Granola antes de la llamada. Escucha en segundo plano mientras tú estás presente. Puedes añadir notas rápidas mientras hablas — Granola las integra en el resumen final. Al colgar, tienes la nota en segundos, exportable a Notion, Google Docs o email. Puedes además consultar el contenido después: “¿qué acordamos sobre el precio?” y obtienes la respuesta desde el audio.

Pregunta de la semana

Microsoft calculó mal. Uber calculó mal. Altman calculó mal.

Esta semana estuvo llena de líderes y organizaciones corrigiendo sus propios números sobre la IA — cuánto costaría, cuánto disrumpiría, cuánto cambiaría.

¿Cuál es el tuyo que todavía no has revisado?

Nos leemos la semana que viene.

— El equipo de Amplify

El coste de no entender la IA ya no es abstracto — se mide en presupuestos agotados y predicciones que no se cumplen. En Amplify Premium trabajamos la comprensión que convierte ese coste en ventaja.

Suscríbete ahora

Compartir

Esta semana Google hizo cien anuncios. Uno importa más que los otros noventa y nueve.

No es el modelo nuevo, ni las gafas de realidad aumentada, ni el recorte de precio de su suscripción premium. Es el anuncio de que un agente de IA trabajará en tu nombre mientras duermes — sin que tu ordenador esté encendido, en los servidores de Google, de forma continua.

Eso, más una semana de movimientos de Anthropic sin precedente en alcance y variedad, es de lo que trata este número.

Latidos de la semana

Google I/O 2026: Google bajó el precio de entrada de la IA avanzada y subió la apuesta en hardware.

Google I/O fue este año la conferencia más densa en anuncios del sector desde hace varios ciclos. Lo que importa no es el volumen, es la dirección.

En modelos: Gemini 3.5 Flash es ahora el nuevo punto de referencia de Google. Supera a Gemini 3.1 Pro en programación y tareas agentivas sin sacrificar velocidad. Gemini Omni es la primera apuesta de Google por un modelo que genera vídeo como salida nativa, además de aceptar imagen, audio, texto y vídeo como entrada.

En precios: el tier AI Ultra pasa de 250 a 200 dólares al mes, y aparece un nuevo tier a 100 dólares con acceso prioritario a Gemini 3.5 Flash y 20 TB de almacenamiento. La IA más potente de Google baja el umbral de entrada a la mitad. Eso no es una oferta: es una declaración de con quién quiere competir.

En hardware: Google confirmó sus primeras gafas con Gemini integrado para este otoño —dos variantes, audio y pantalla, con Gentle Monster, Warby Parker y Samsung. Y WebMCP, un estándar abierto para que los agentes de IA ejecuten acciones directamente en páginas web como si fueran llamadas de código, arrancó en Chrome en fase experimental. Cuando madure, cualquier web podrá volverse operable por agentes sin rediseñar nada.

Anthropic compró Stainless por más de 300 millones: la infraestructura que usan OpenAI, Google y Cloudflare.

Stainless es un startup que construye SDKs y herramientas de integración de APIs. No es un nombre que suene en los titulares de tecnología, pero es la herramienta que usaban OpenAI, Google y Cloudflare para construir sus propios SDKs de desarrollador. Anthropic lo compró por más de 300 millones de dólares.

La lectura estratégica es directa: quien controla cómo los desarrolladores se integran con los modelos controla parte de la fricción de cambio. Stainless hace que cambiar de proveedor de IA sea más o menos fácil para cualquier empresa que haya construido integraciones sobre sus herramientas. Anthropic acaba de tener voto en esa decisión.

Anthropic no compró una empresa de sus clientes. Compró la infraestructura técnica de sus competidores. Eso es un movimiento diferente.

KPMG integrará Claude para sus 276.000 empleados: la primera Big Four en incrustar IA en toda su operación.

Hasta ahora, los grandes despliegues de IA en empresas han funcionado por divisiones o por casos de uso concretos. KPMG rompió ese patrón: todos sus empleados —más de 276.000 personas en todo el mundo— tendrán acceso a Claude integrado en Digital Gateway, la plataforma central de operaciones de la firma. Anthropic pasa a ser su socio preferente también para los clientes de private equity.

Es el primer despliegue de esta escala en una Big Four. No en un departamento: en la operación entera.

Anthropic y la Fundación Gates: 200 millones de dólares, cuatro años, salud global.

Anthropic y la Fundación Bill y Melinda Gates firmaron una asociación de cuatro años valorada en 200 millones de dólares — financiación, créditos de uso de Claude y soporte técnico. El foco: mejorar resultados de salud en países de renta baja y media, acelerar vacunas y terapias, y ayudar a gobiernos a usar datos sanitarios para decisiones más rápidas.

Es el primer acuerdo de esta magnitud entre un laboratorio de IA de frontera y una fundación filantrópica de primer nivel. La relevancia para quienes siguen el sector va más allá del impacto humanitario: en una semana en que la valoración de Anthropic roza el billón de dólares, este acuerdo es también una declaración sobre dónde quiere estar posicionada cuando llegue la regulación. La legitimidad institucional se construye antes de necesitarla.

OpenAI llevó Codex a las empresas con servidores propios, y a los móviles.

Codex, el agente de código de OpenAI, dio esta semana dos saltos distintos. Primero, hacia adentro de las empresas que no pueden usar la nube: OpenAI y Dell anunciaron una alianza para desplegarlo en entornos híbridos y on-premises, conectado con el Dell AI Data Platform donde muchas grandes compañías almacenan sus datos más sensibles. Es la primera apuesta seria de OpenAI por el mercado que exige que los datos no salgan de sus instalaciones.

Segundo, hacia los móviles: Codex llegó a la app de ChatGPT en iOS y Android. Cualquier usuario puede supervisar tareas en curso, aprobar acciones y dar nuevas instrucciones a un agente de código desde el teléfono.

Cuatro millones de desarrolladores usan Codex cada semana. Lo interesante es adónde está yendo ese uso: ya no solo código — también reportes, clasificación de feedback, cualificación de leads, coordinación entre sistemas. El agente de programación se está convirtiendo en agente de operaciones.

Esta semana fue densa. Lo que importa no es cada noticia por separado — es lo que dicen juntas. En Amplify Premium trabajamos esa lectura.

Únete →

En profundidad

El agente que trabaja mientras duermes

Hay una frase en el anuncio de Google I/O 2026 que merece más atención de la que recibió.

Gemini Spark, explicó Google, es un agente personal de IA que “trabaja en tu nombre de forma continua, las 24 horas del día, sin necesidad de que tu ordenador o tu teléfono estén encendidos.”

Eso no es una mejora incremental de lo que existía. Es un cambio de categoría.

Hasta ahora, todos los asistentes de IA —ChatGPT, Claude, Gemini funcionaban bajo el mismo supuesto implícito: tú los activas, tú les das instrucciones, tú esperas la respuesta, tú decides qué hacer con ella. El modelo era conversacional, sincrónico, reactivo. La IA esperaba. Tú mandabas.

Gemini Spark rompe ese supuesto. Corre en la infraestructura de Google Cloud de forma permanente. Puede empezar a trabajar en una tarea larga mientras terminas una reunión, continuar mientras comes, y tener resultados cuando vuelves al escritorio. No solo responde, ejecuta. No solo asiste: progresa.

¿Qué tipo de tareas puede hacer? En su versión de lanzamiento disponible primero para suscriptores de AI Ultra en Estados Unidos, Spark trabaja con tareas que tienen un objetivo claro y pasos definibles: monitorizar fuentes de información y alertarte cuando ocurre algo relevante, redactar un primer borrador de informe cuando se cumplen ciertas condiciones, preparar un resumen semanal de conversaciones o datos, hacer seguimiento de un proceso multipasos sin que tengas que recordar en qué punto está.

Para un empresario, la pregunta que Gemini Spark plantea es concreta: ¿qué trabajo que hoy haces tú mismo, de forma manual y recurrente, podría estar haciéndose en segundo plano mientras dedicas tu atención a algo que requiere criterio?

El concepto no es nuevo en la tecnología: los servidores llevan décadas procesando tareas mientras nadie los mira, y las automatizaciones de Zapier o Make llevan años ejecutando flujos mientras sus creadores duermen. Lo que cambia con Spark es el nivel de inteligencia aplicado a esa ejecución en segundo plano. No una regla del tipo “si pasa X, haz Y”, sino un agente que puede navegar situaciones imprevistas, sintetizar información ambigua y producir resultados que requieren juicio, no solo lógica.

El agente que trabaja mientras duermes no es ciencia ficción. Esta semana llegó al mercado. La pregunta no es si va a cambiar cómo trabajas. Es cuándo empiezas a tomártelo en serio.

Herramienta de la semana

Zapier AI

El problema que resuelve. Usas muchas herramientas distintas — un CRM, una plataforma de email, una hoja de cálculo, un gestor de tareas — y el trabajo de conectarlas entre sí lo haces tú manualmente: copiar datos de un sitio a otro, enviar un email cuando algo cambia, crear una tarea cuando llega un formulario. Es trabajo repetitivo, invisible y que consume tiempo real.

Qué es Zapier AI. Zapier es la plataforma de automatización no-code más extendida del mundo — conecta más de 7.000 aplicaciones. Sus funciones de IA recientes cambian lo que era posible sin saber programar: puedes describir en texto lo que quieres automatizar (”cuando alguien llene mi formulario de contacto, analiza su mensaje, clasifícalo por urgencia y crea una tarea en mi gestor de proyectos con un resumen”) y Zapier construye la automatización por ti. También puedes usar IA dentro de los flujos para redactar respuestas, resumir información, clasificar entradas o extraer datos de texto no estructurado.

Para quién es útil. Para cualquier solopreneur o propietario de empresa pequeña que dedique tiempo a tareas de coordinación entre herramientas: pasar leads de un formulario al CRM, notificar a un cliente cuando cambia el estado de su pedido, generar un informe semanal desde datos dispersos. Zapier AI hace accesible ese trabajo de automatización sin necesidad de saber programar.

Pregunta de la semana

Gemini Spark trabaja mientras duermes. Zapier automatiza mientras atiendes a un cliente. Los agentes de Codex corren en segundo plano mientras haces otra cosa.

El patrón es el mismo: trabajo que avanza sin que estés mirando.

¿Qué tarea recurrente en tu negocio podría estar haciéndose ahora mismo — y no lo está porque nunca te has parado a configurarlo? ¿Cuántas horas a la semana vale esa respuesta?

Nos leemos la semana que viene.

— El equipo de Amplify

La IA que trabaja mientras no miras ya no es una promesa — es un producto. Las empresas que aprendan a usarla antes tendrán una ventaja que no se compra con más horas. En Amplify Premium trabajamos cómo construirla.

Suscríbete ahora

Deja un comentario

En 1987, el Nobel de economía Robert Solow escribió su frase más citada.

«Se ve la era de los ordenadores en todas partes, excepto en las estadísticas de productividad.»

Las empresas llevaban una década invirtiendo en computadoras. La productividad agregada no se movía.

Lo que vino después fue revelador: la productividad llegó, pero tardó quince años. Y cuando llegó, no fue por las empresas que habían adoptado más rápido. Fue por las que habían rediseñado sus flujos de trabajo alrededor de las herramientas.

Hoy la historia se repite.

Cuando todos aceleran al mismo ritmo, la posición relativa no cambia. La velocidad de producción, en ese contexto, no construye ventaja. Solo mantiene el ritmo.

Lo que diferencia no es cuánto produces. Es adónde van las horas que la IA te devuelve.

Eso es lo que aborda la guía de este mes.

La trampa de la velocidad: Por qué ir más rápido no es lo mismo que ir adelante

No es una guía sobre productividad. Es sobre la diferencia entre dos tipos de velocidad que se sienten igual desde dentro pero producen resultados completamente distintos a doce meses vista.

Dentro encontrarás:

• Por qué la ventaja de primer movimiento con la IA ya pasó, y qué queda cuando la competencia es simétrica.

• Los cuatro destinos posibles para el tiempo que recuperas. Solo uno construye algo que sigue funcionando cuando paras.

• La diferencia entre velocidad de producción y velocidad de acumulación: por qué una compite contra todos en el mercado y la otra solo compite contra tu versión anterior.

• Los tres mecanismos que explican por qué el 94% no está viendo valor, más allá de las herramientas.

• Una auditoría de cinco preguntas para aplicar esta semana a tus tareas de mayor volumen.

• Tres palancas concretas para redirigir las horas recuperadas hacia activos que no podría tener alguien que empezara hoy.

La guía se suma a las 11 anteriores, que cubren todos los ámbitos que un profesional necesita para pasar de usar IA a construir con ella: desde los fundamentos del contexto hasta los sistemas de criterio.

¿Cómo acceder a las guías?

Para miembros de Amplify Premium: la guía está disponible en tu espacio desde hoy.

Si todavía no formas parte, únete a Amplify Premium y accede al arsenal completo:

• 12 Guías Amplify (una nueva cada mes): Claude Skills · Modelos Mentales · Activos de Confianza · Moats Estéticos · Vibe Coding · Agentes IA · Arquitectura de Contexto · Claude Cowork · De usuario a operador · La era del output fácil · El criterio · La trampa de la velocidad

• Ensayos completos semanales donde vamos más profundo

• +250 prompts organizados por caso de uso real

• 12 informes estratégicos

• Comunidad privada en Skool

Amplify Premium existe para un tipo específico de profesional: el que ya usa IA y quiere que eso se convierta en una ventaja que se acumula, no en una herramienta que usa y olvida.

Quiero Amplify Premium

Solow tenía razón en 1987. Las ganancias llegaron, pero no para quien adoptó antes. Para quien rediseñó.

La pregunta no es cuánto más rápido vas.

Es si lo que construyes mientras vas rápido sigue existiendo cuando paras.

Que tengas un buen sábado,

— El equipo de Amplify

Suscríbete ahora

Compartir

Te damos la bienvenida a Momentum

Alexandra y Edward, los fundadores de Amplify Media, comparten cada miércoles lo que están viendo y decidiendo en tiempo real. Patrones, errores, decisiones estratégicas: pensamiento en directo desde dentro de sus negocios y los de sus clientes.

Por Edward

La fricción es el filtro

Estamos en pleno proceso de publicar múltiples libros en Amazon a través de nuestro nuevo proyecto Cadence House. Y el contacto con la realidad está siendo claro.

Publicar un libro es una cosa. Publicar una serie de libros en una ventana corta de tiempo es algo completamente distinto.

Fricción operativa. Fricción legal. Escritura, edición, marketing, distribución. Todo se acumula. Cada semana aparece algo que no habíamos anticipado. El territorio desconocido siempre hace esto. Te muestra todo lo que no sabías que no sabías.

Y esto también es una buena noticia.

Cuando hay mucha fricción, la mayoría de las personas no se molestan. Publican un libro y paran. Empiezan la serie y la abandonan. La fricción misma se convierte en un filtro que separa a los negocios que se componen de los que se quedan en la superficie.

Cuanto más difícil es la entrada, más amplio es el foso al otro lado.

Front-Loading: pagar el coste al principio

Hay un Framework al que vuelvo una y otra vez cuando enfrento este tipo de situaciones. Lo llamo front-loading de fricción.

El concepto viene de la ingeniería y la gestión de proyectos. En construcción, front-loading significa concentrar la mayor inversión de planificación, diseño y preparación al inicio del proyecto, antes de poner un solo ladrillo. Cuesta más al principio, pero cada decisión que tomas después es más rápida, más barata y con menos errores.

La misma lógica aplica a cualquier negocio.

Piensa en algo tan cotidiano como incorporar a un miembro clave del equipo. La mayoría de empresas lo hacen reactivamente. La persona llega el primer día, le dan acceso a unas herramientas, le explican un par de cosas y después pasan semanas respondiendo preguntas, corrigiendo errores y repitiendo lo mismo. La fricción se distribuye durante meses.

Front-loading invierte la lógica. Antes de que la persona empiece, preparas un manual de onboarding. Documentas los procesos clave. Grabas vídeos explicativos de los sistemas. Defines las primeras tres semanas, día por día. Es más trabajo al inicio. Pero esa persona produce en semanas lo que la otra tarda meses. Y tú no pierdes horas cada día explicando lo mismo.

Otro ejemplo: lanzar un podcast. La mayoría graba el primer episodio y luego improvisa todo lo demás. Edición, publicación, distribución, notas del episodio, cada semana reinventando el proceso. Front-loading significa invertir la primera semana entera en crear el flujo de trabajo completo: plantilla de edición, calendario de publicación, sistema de distribución, formato de notas. La primera semana es más lenta. Cada semana después es el doble de rápida.

Front-loading significa elegir pagar el coste una vez para que el sistema corra ligero después.

Por qué la mayoría no lo hace

La mayoría de los emprendedores distribuyen la fricción de forma uniforme. Un poco de dolor cada vez que publican. Un poco de caos cada vez que lanzan. Un poco de reinvención cada vez que ejecutan.

Eso es sostenible para un libro. Es insostenible para treinta.

Front-loading dice lo contrario: absorbe el coste completo una vez. Construye la máquina. Después deja que la máquina funcione.

Nosotros estamos viviendo esto ahora mismo con Cadence House. Las primeras semanas fueron las más densas que hemos tenido en mucho tiempo. Pero cada sistema que construimos hoy es un sistema que no tenemos que reconstruir mañana. Cada proceso que documentamos ahora es un proceso que se ejecuta solo la próxima vez.

Lo que la IA amplifica

En la era de la IA, la capacidad de aplicar front-loading se amplifica. La IA puede ayudarte a construir sistemas más rápido, crear plantillas, automatizar flujos de trabajo. Pero solo si haces el trabajo estructural primero.

La IA no elimina la fricción. Recompensa a los que ya hicieron el trabajo duro de pensar, diseñar y construir la base.

Sin la base, la IA solo automatiza el caos.

La Señal

Cada nuevo proyecto genera fricción. Eso no es señal de que algo está mal, es el coste natural de territorio desconocido.

La pregunta es si absorbes ese coste al principio y construyes algo que se compone, o lo distribuyes y peleas las mismas batallas cada vez.

La fricción es el filtro. Estar al otro lado es la ventaja.

por Alexandra

Tu punto de partida pone el techo de tu decisión

Hay una palabra que aparece casi siempre en el primer minuto de una decisión empresarial: “realista”.

La oí recientemente, en una conversación con una persona cercana a mí que está emprendiendo. “Siendo realistas, lo máximo que puedo hacer es…”.

Y cada vez que la escucho, me confirma lo mismo: la decisión casi siempre queda condicionada por la palabra que va primero en el razonamiento.

En los negocios, y también en la vida, todos tenemos un escenario ideal al que nos gustaría llegar. Y la verdad es que no siempre se puede llegar al 100% con los recursos, los activos y las capacidades que tenemos hoy.

Pero hay una distancia enorme entre aceptar eso y conformarse con lo que parece la realidad.

Y esta distancia es la que casi nadie está mirando.

Yo también lo he hecho. Mi sesgo natural me empuja a empezar por “qué es realista” antes de mirar nada más. Suena prudente, maduro, responsable. Y durante años pensé que era la operación correcta.

Hasta que empecé a darme cuenta de que las decisiones que de verdad movieron nuestros negocios nunca partieron de ahí.

Aquí está el mecanismo.

Si partes de “qué es realista para mí ahora mismo”, tu techo son las restricciones que ya has aceptado. Decides dentro de ese marco. Y lo que queda fuera de ese marco, ni siquiera lo ves.

Si partes del escenario ideal y desde ahí negocias a la baja, tu techo es la realidad. La realidad de verdad, no la que cargas asumida desde hace años. Y casi siempre la realidad permite más de lo que tus restricciones aparentes sugieren.

El destino puede ser el mismo. La trayectoria es opuesta. Y los resultados, casi nunca lo son.

El insight: “Ser realista” no es prudencia. Es resignación con cara de sensatez.

Mi Metodología desde la Trinchera — La radiografía del punto de partida:

1. Cuando arranco a pensar esta decisión, ¿desde dónde estoy partiendo? ¿Del escenario ideal o de lo que considero realista? La respuesta honesta cambia todo lo que viene después.

2. ¿Las restricciones que estoy asumiendo son reales, o son las que llevo años aceptando como reales? Una restricción real es una limitación verificada. Una restricción asumida es una creencia que no has cuestionado.

3. Si partiera del escenario ideal, ¿cuánto más cerca podría estar de él, aunque no llegue al 100%? No tienes que llegar al ideal para ganar. Pero solo descubres cuánto puedes acercarte si empiezas el razonamiento ahí.

La diferencia entre dos empresarios con los mismos recursos casi nunca está en lo que deciden hacer. Está en desde dónde se permitieron pensar lo que podían hacer.

Uno arrancó desde “lo realista” y decidió dentro de ese marco. Otro arrancó desde el escenario ideal y descubrió que la realidad permitía más de lo que sus restricciones aparentes le habían dicho.

El techo de tu decisión no lo ponen tus recursos, lo pone una palabra. Y casi siempre es “realista”.

Suscríbete ahora

Compartir

Hasta ahora, los laboratorios de IA construían herramientas y esperaban a que el mundo las usara.

Esta semana tres de ellos decidieron no esperar más. Anthropic negocia la valoración privada más alta en la historia de las startups. Google preparó toda una semana de hardware y software con Gemini en el centro de cada dispositivo que fabrican sus socios. Y OpenAI hizo algo que ningún laboratorio había hecho antes: creó una consultora para implementar lo que fabrica.

Los que antes vendían acceso ahora quieren estar dentro.

Suscríbete ahora

Latidos de la semana

Anthropic negocia levantar hasta 50.000 millones de dólares a una valoración de 950.000 millones.

Bloomberg reportó que Anthropic está en negociaciones con inversores para una ronda de entre 30.000 y 50.000 millones de dólares, a una valoración de hasta 950.000 millones. Si se cierra en esos términos, sería la startup privada más valiosa de la historia — por encima de la última valoración conocida de OpenAI (825.000 millones) y de SpaceX.

El contexto hace el número más comprensible. Google tiene comprometidos hasta 40.000 millones y Amazon hasta 25.000 millones adicionales. El cómputo y el capital ya están, en parte, garantizados. Lo que busca Anthropic en esta ronda es capital operativo y socios que aceleren su penetración en nuevos mercados. Los ingresos anualizados de la empresa pasaron de 9.000 millones a finales de 2025 a más de 30.000 millones en la actualidad.

No hay term sheet firmado y las negociaciones pueden terminar sin acuerdo. Pero la valoración que maneja el mercado sobre Anthropic — la empresa que rechazó contratos del Pentágono por razones de principios y que retiene su modelo más avanzado — dice algo sobre cómo se percibe el valor de un posicionamiento coherente.

Google lanzó Googlebook y Gemini Intelligence para Android, preludio a I/O 2026

El martes 12 de mayo, Google celebró The Android Show con dos anuncios que anticipan su conferencia anual de desarrolladores (Google I/O, que arranca el 19 de mayo).

El primero: Googlebook, una nueva categoría de ordenadores portátiles premium que fusionan Android y ChromeOS en un único sistema operativo. Los primeros modelos llegan en otoño de mano de Acer, ASUS, Dell, HP y Lenovo. La apuesta es clara: convertir Android — el sistema operativo más extendido del mundo en móviles — en una plataforma seria de productividad para ordenadores. Con Gemini integrado de fábrica en cada uno.

El segundo: Gemini Intelligence, un conjunto de funciones agentivas para Android que actúa de forma proactiva entre aplicaciones sin que el usuario tenga que solicitarlo explícitamente. Google está construyendo Gemini como la capa de IA que une todos sus dispositivos y servicios — la misma estrategia que Apple sigue con Apple Intelligence, pero con la escala de Android detrás.

OpenAI lanzó Daybreak: su iniciativa de ciberseguridad, espejo de Mythos.

Una iniciativa de ciberseguridad construida sobre GPT-5.5-Cyber y el marco agentivo de Codex. El objetivo: ayudar a organizaciones a identificar, parchear y validar vulnerabilidades de software a lo largo de todo el ciclo de desarrollo.

El programa tiene tres capas de acceso según el nivel de confianza verificado del usuario, desde uso general hasta capacidades de red team y pruebas de penetración con el modelo más permisivo. Los primeros socios de integración incluyen Akamai, Cisco, Cloudflare, CrowdStrike, Fortinet, Oracle, Palo Alto Networks y Zscaler.

El paralelismo con Project Glasswing de Anthropic es deliberado. OpenAI y Anthropic están construyendo posicionamientos espejo en ciberseguridad: ambos limitan el acceso a sus capacidades más avanzadas y ambos los enmarcan como responsabilidad del fabricante. El sector de ciberseguridad tradicional lleva meses mirando de cerca ese movimiento. Esta semana tiene más razones para hacerlo.

OpenAI unificó ChatGPT, Codex y la API en un único equipo de producto.

Esta semana trascendió también que OpenAI está reorganizando sus equipos de producto para unificar ChatGPT, el agente de código Codex y la plataforma de API bajo una única dirección. El objetivo: el “super app” que combine chat, programación, navegación, análisis de datos y automatización de tareas en una sola interfaz, con el navegador propio de OpenAI (Atlas) como cuarto componente del stack.

La consecuencia práctica más inmediata: las capacidades de Codex — hasta ahora orientadas principalmente a desarrolladores — estarán disponibles directamente para los usuarios de ChatGPT, y los desarrolladores que usan la API tendrán acceso a la misma inteligencia que los consumidores. El límite entre producto de consumo y herramienta de desarrollo se elimina deliberadamente.

Es el mismo movimiento que Google hace con Gemini en Android. Los modelos de IA dejan de ser herramientas puntuales para convertirse en sistemas operativos de trabajo.

Esta semana, los laboratorios de IA redibujaron sus límites. En Amplify Premium trabajamos qué significa ese redibujo para tu posición.

Únete →

En profundidad

OpenAI se convierte en consultora, y eso cambia el mercado

OpenAI anunció algo que no había hecho ningún laboratorio de IA antes: crear una empresa de consultoría e implementación propia.

La OpenAI Deployment Company está respaldada por más de 4.000 millones de dólares de 19 firmas globales.

El modelo operativo: ingenieros de OpenAI se integran dentro de las organizaciones cliente, trabajan junto a sus equipos internos, identifican los usos de mayor valor y construyen los sistemas de IA necesarios. No es vender acceso a un modelo, es entregar resultados operativos.

Eso tiene implicaciones concretas para quienes trabajan en ese espacio.

Lo que cambia para las grandes consultoras. Durante los últimos dos años, Accenture, Deloitte, McKinsey, KPMG y sus equivalentes han construido prácticas de IA que representan una parte creciente de sus ingresos. Su argumento competitivo era: “conocemos al cliente, conocemos el sector, y somos agnósticos sobre qué herramienta usar.” Ese último punto — la agnosticidad — era la ventaja. OpenAI Deployment Company no es agnóstica: llega con su stack propio y la intención de que el cliente lo adopte. El diferencial de las grandes consultoras tendrá que construirse sobre otro argumento.

Lo que cambia para integradores y boutiques especializadas. Hay un ecosistema amplio de empresas medianas que construyeron su negocio sobre el conocimiento técnico de cómo implementar modelos de OpenAI, Anthropic o Google en contextos concretos: clínicas, despachos de abogados, cadenas de distribución, equipos de marketing. Muchas de ellas se posicionaron como el puente entre el laboratorio y el cliente. OpenAI Deployment Company compite directamente en ese espacio — con más recursos, acceso más profundo al modelo, y la marca del propio fabricante como aval.

Lo que no cambia. Hay algo que ninguna consultora de laboratorio puede escalar desde San Francisco: el conocimiento del cliente. Un consultor que lleva cinco años trabajando con el sector agrícola cooperativo, que entiende los flujos de tesorería de una clínica dental de tres sedes, o que conoce los procesos de contratación de un ayuntamiento mediano tiene un contexto que no se puede replicar con ingenieros brillantes que llegan de fuera. El conocimiento sectorial profundo y la relación de confianza seguirán siendo ventajas reales, pero solo si se combinan con capacidad técnica real para implementar, no solo para recomendar.

Para consultores, asesores y empresas que trabajan en la adopción de IA, esa es la pregunta que esta semana pone sobre la mesa con más claridad que nunca: ¿qué parte de tu valor vive en la herramienta — y qué parte vive en el conocimiento y la relación que nadie más puede replicar?

Herramienta de la semana

Gamma

El problema que resuelve. Necesitas crear una presentación — una propuesta para un cliente, un informe para tu equipo, un pitch. Sabes lo que quieres decir, pero construir las diapositivas requiere horas en PowerPoint o Keynote, o confiar en plantillas que no terminan de ajustarse al contenido real. El resultado habitual: una presentación que llega tarde, o una que parece genérica.

Qué es Gamma. Una herramienta web que genera presentaciones completas a partir de texto. Escribes un prompt o pegas un esquema de ideas, Gamma propone una estructura de diapositivas con texto, imágenes y diseño en segundos. Puedes editar cada elemento directamente, cambiar el diseño con un clic, ajustar el tono y la paleta de colores, añadir gráficos o reorganizar secciones sin tocar ningún archivo de diseño. También funciona como alternativa a documentos largos: Gamma puede generar una página web interactiva, un documento navegable o una presentación lineal a partir del mismo contenido.

Acceso. Gamma tiene un plan gratuito con créditos limitados para empezar; los planes de pago arrancan en 8 dólares al mes. Funciona completamente en el navegador, sin instalación. Disponible en gamma.app.

Pregunta de la semana

OpenAI acaba de crear una empresa con 150 ingenieros para entrar en las organizaciones de sus clientes y construir lo que estas no saben construir solas. Es exactamente lo que muchos consultores e integradores hacen hoy.

¿Qué parte de tu valor como profesional o empresa viene del conocimiento técnico que el cliente no tiene, y qué parte viene de algo que ningún equipo enviado desde fuera puede replicar?

Nos leemos la semana que viene.

— El equipo de Amplify

Compartir

Suscríbete ahora

Lo más peligroso de la IA no es que haga demasiado poco.

Es que te deja construir demasiado pronto.

No me refiero solo a escribir más, automatizar más o conectar más herramientas. Me refiero a algo más sutil: la facilidad técnica actual ha reducido tanto el coste de montar sistemas que ya no está claro qué merece realmente convertirse en sistema. Y cuando ese filtro desaparece, la sobreconstrucción deja de ser una excepción. Se convierte en el modo por defecto.

Montas un flujo para ahorrarte una tarea pequeña. Creas un dashboard que en teoría te da visibilidad. Conectas Claude, Notion, Zapier, tu CRM y dos bases de datos más para que todo “fluya solo”.

Y, sin embargo, unas semanas después, no te sientes más libre. Te sientes más pendiente.

Eso debería hacernos pensar.

Durante mucho tiempo, el propio coste de construir funcionó como disciplina. Si querías automatizar algo, necesitabas conocimientos, dinero, tiempo o ayuda externa. Esa dificultad te obligaba a jerarquizar. Solo convertías en arquitectura lo que de verdad justificaba el esfuerzo.

Ahora ese filtro ha desaparecido.

Y por eso el nuevo problema ya no es técnico, es de diseño.

La pregunta importante es: qué merece ser construido.

Read more

Te damos la bienvenida a Momentum

Alexandra y Edward, los fundadores de Amplify Media, comparten cada miércoles lo que están viendo y decidiendo en tiempo real. Patrones, errores, decisiones estratégicas: pensamiento en directo desde dentro de sus negocios y los de sus clientes.

Por Edward

Las oportunidades no se encuentran. Se ensamblan

Hay una cita de Mark Twain que he tenido presente durante años: “Cuando te encuentres del lado de la mayoría, es momento de detenerte y reflexionar.”

Ahora mismo, mirando lo que está pasando en el espacio de IA con los emprendedores, la mayoría está obsesionada con la ejecución. Qué se puede hacer rápido. Qué se puede hacer que antes no podías. Más código, más diseño, más contenido, más automatización.

No hay nada malo en eso. Deberíamos aprovecharlo. Pero eso no es la oportunidad. Es la línea base.

Economía simple: si todo el mundo puede hacerlo, el valor eventualmente cae a cero.

La oportunidad real está en otro lugar. Está en tomarte el tiempo de ensamblar las piezas de una configuración única. Tiempo siendo la palabra clave.

Los 3 colchones inflables

Tres colchones inflables en el suelo de un apartamento. Ochenta dólares por noche. Una conferencia de diseño en San Francisco donde todos los hoteles estaban agotados. Dos compañeros de piso que necesitaban ayuda con el alquiler.

Esa es la historia de Airbnb como casi todo el mundo la cuenta. Una idea, un momento, un hueco en el mercado.

Los colchones inflables son siempre donde empieza la historia. Casi nunca son donde la empresa realmente se construyó.

Lo que hizo que Airbnb valiera más de cien mil millones de dólares no fue la idea de alquilar espacio a desconocidos. Fueron años de construcción que casi nadie incluye en el relato.

Brian Chesky volando a Nueva York con una cámara para fotografiar apartamentos él mismo, porque los anuncios se veían terribles y nadie reservaba. Joe Gebbia rediseñando la experiencia de los listados desde cero, hasta que se sentía aspiracional en vez de desesperada.

Un sistema de reseñas que hacía que desconocidos confiaran lo suficiente como para dormir en las casas de otros. Un marco de seguros que hacía que los propietarios estuvieran dispuestos a participar. El flujo de pagos rediseñado. El algoritmo de búsqueda reescrito.

Una categoría completamente nueva de viaje que la industria hotelera no creyó que era real hasta que fue demasiado grande para ignorar.

Solo el problema de la confianza tomó años. La idea de dormir en la casa de un desconocido viola un instinto humano básico, y ningún diseño inteligente puede superarlo sin construir la infraestructura de confianza desde cero. Identidades verificadas. Garantías para anfitriones. Un programa de protección contra daños que hacía el riesgo calculable en vez de ilimitado.

Cada uno de esos elementos fue ensamblado. Ninguno estaba en la habitación con los colchones inflables. La idea le dio a la historia su mito de origen. Los años de trabajo le dieron su valor.

La historia que siempre desaparece

Así es como se cuentan estas historias normalmente. El origen se comprime en un evento. Los años de trabajo se reducen a una frase sobre ejecución. El trabajo desaparece del relato porque es lento, poco glamuroso y no cabe dentro del vocabulario de “encontrar” una oportunidad.

Pero el trabajo es donde la oportunidad realmente vive.

Lo que esto significa para ti

Cuando tratas la oportunidad como un evento, pierdes agencia. Esperas el momento. Escaneas el mercado. Esperas que aparezca el hueco.

Cuando tratas la oportunidad como ensamblaje, la recuperas. Dejas de buscar el hueco en el mercado y empiezas a construir la configuración que se convierte en el hueco.

Eso toma tiempo. Toma paciencia. Toma la decisión de ensamblar piezas cuando nadie más está mirando y los resultados todavía no se ven.

Pero es lo que separa a los negocios que duran de los que solo tuvieron un buen momento.

por Alexandra

Tu prioridad real no es la que declaras

Esta semana, en consultoría 1 a 1, una empresaria llegó saturada. Llevaba semanas sin avanzar el movimiento que marca la dirección del negocio para los próximos meses, y empezó a proponerme nuevas ideas: más contenido, nuevos lanzamientos…

La paré en seco: “Tú no tienes un problema de falta de ideas. Lo que necesitas es remover, no agregar.”

Yo también lo he hecho. Y la lectura fácil es decir que el problema es de exceso, de demasiados frentes abiertos.

Esta lectura es cómoda, pero se queda corta. No explica por qué el frente que ella declaraba como prioritario era exactamente el que no avanzaba.

Y aquí entra lo que de verdad importa.

Cuando preguntas a cualquier empresario qué es prioritario en su negocio, te da una lista. Esa es la jerarquía declarada. Es la que escribe en el plan trimestral, la que comparte en reunión con el equipo, la que cree que está ejecutando.

Pero hay otra jerarquía operando por debajo. La que tu agenda demuestra cuando hay que elegir, la que decide qué se hace primero, qué llena el espacio disponible y qué queda para “después”.

Esa es la jerarquía implícita. Y es la que gobierna los resultados.

Cuando ambas no coinciden, no gana la declarada. Gana la implícita. Siempre.

La empresaria declaraba que el gran movimiento era la prioridad número uno. Pero su jerarquía implícita decía otra cosa: primero responder a temas administrativos, primero apagar fuegos operativos, primero los entregables semanales.

El gran movimiento ocupaba el espacio que sobraba al final del día. Y ese espacio nunca llegaba.

Lo difícil de aceptar es que la jerarquía implícita no se cambia con disciplina. Nuestra disciplina opera dentro de ella, no contra ella. Por eso la fuerza de voluntad nunca arregla este problema. Por eso agregar más es la respuesta que el sistema nos ofrece para no tener que mirar lo que ya hay debajo.

Mientras la jerarquía implícita siga intacta, cualquier reorganización de calendario va a producir el mismo resultado.

El insight: Nuestra prioridad real es lo que nuestro día demuestra, no lo que declaramos.

Mi Metodología desde la Trinchera — La radiografía de la jerarquía real:

1. Si miro mi agenda de las últimas cuatro semanas, ¿qué demuestra que es realmente prioritario? No lo que yo recuerdo haber hecho. Lo que el calendario, las tareas y las decisiones cotidianas demuestran. Eso es la jerarquía que está operando.

2. ¿Coincide con lo que declaro prioridad número uno? Si declaras X y tu día se va en Y, X no es prioritario para tu sistema, por mucho que lo digas en alto.

3. ¿Qué tiene que perder rango para que coincidan? Esta es la pregunta que cambia el negocio. No qué agregar, qué baja de orden. Porque mover algo a primer rango exige que algo deje de estar ahí.

La empresaria salió de la sesión con una decisión: identificar las tres cosas que iban a bajar de rango durante las próximas semanas, para que el gran movimiento pudiera subir al primero.

No era un problema de tiempo, nunca lo es. Era un problema de jerarquía implícita ocupando el espacio donde el siguiente nivel del negocio tenía que crecer.

Tu siguiente movimiento estratégico no se desbloquea sumando. Se desbloquea reordenando rangos. Y o lo reordenas tú, o lo reordena tu sistema por ti.

Suscríbete ahora

Compartir

Esta semana, un analista de Goldman Sachs delegó su primer credit memo a un agente de IA. Un agente inmobiliario de Zillow empezó a cerrar llamadas con un interlocutor de voz que razona como GPT-5. Y un desarrollador publicó su primera aplicación usando un modelo que cuesta menos que un café por millón de tokens procesados.

Algo que los conecta: los tres ocurrieron porque esta semana Anthropic, OpenAI y Google lanzaron productos que no existían hace siete días.

La IA lleva meses siendo horizontal: útil para todo, específica para nada. Esta semana empezó a volverse específica.

Latidos de la semana

Anthropic lanzó 10 agentes de IA para servicios financieros, y Claude ya trabaja en todo Microsoft 365 a la vez.

El martes 5 de mayo, en un evento privado en Nueva York con instituciones como Goldman Sachs, Blackstone y FIS, Anthropic presentó una biblioteca de diez agentes de IA diseñados para los flujos de trabajo más intensivos en finanzas: pitchbooks y análisis de resultados, credit memos, suscripción de seguros, cierre de mes, auditoría de estados financieros y gestión de reclamaciones.

La segunda parte del anuncio es tan significativa como la primera: Claude ahora opera como un único agente en Excel, PowerPoint, Word y Outlook simultáneamente, manteniendo el contexto a lo largo de las cuatro aplicaciones. No es una integración puntual por herramienta: es un agente que vive dentro del entorno de trabajo de empresa más extendido del mundo.

OpenAI lanzó tres modelos de voz con razonamiento GPT-5 en tiempo real.

El miércoles 7 de mayo, OpenAI publicó GPT-Realtime-2 y dos modelos complementarios: GPT-Realtime-Translate y GPT-Realtime-Whisper. Los tres convierten la voz en un componente de agente de primera clase. No un añadido, sino un canal con la misma capacidad de razonamiento que el texto.

Los primeros resultados de adopción son concretos: Zillow reportó un aumento de 26 puntos en la tasa de éxito de sus llamadas más difíciles (del 69% al 95%).

Los tres modelos hacen que cualquier interfaz de voz pueda funcionar con la misma inteligencia que un chat de texto avanzado.

Google lanzó Gemini 3.1 Flash-Lite: el modelo de IA más barato del mercado.

También el miércoles, Google puso en disponibilidad general Gemini 3.1 Flash-Lite, un modelo diseñado para un único objetivo: volumen y velocidad al coste más bajo posible. El precio: 0,25 dólares por millón de tokens de entrada y 1,50 por millón de tokens de salida. 2,5 veces más rápido que su predecesor, con igual o mejor calidad en pruebas independientes.

Para que la cifra sea comprensible: procesar el equivalente a diez novelas en tokens de entrada cuesta menos de un dólar. A ese precio, la IA deja de ser una decisión de coste en la mayoría de las aplicaciones, pasa a ser una decisión de diseño.

El movimiento de Google es una señal de la dinámica de precios que ya está en marcha en el sector: los modelos de inferencia baratos y rápidos son el nuevo campo de batalla. No el modelo más inteligente, sino el más accesible para quien necesita procesar millones de interacciones al mes.

OpenAI midió la brecha entre las empresas que usan IA en serio y las que no, y la brecha se está abriendo.

Esta semana, OpenAI publicó la primera edición de B2B Signals, su informe trimestral sobre adopción de IA en empresas. El dato más llamativo: las empresas “frontera” —las que usan IA de forma más profunda— emplean 3,5 veces más inteligencia artificial por empleado que las empresas típicas. Hace doce meses, esa ratio era de 2 a 1. La distancia se está ampliando.

Lo que separa a las empresas frontera no es la cantidad de mensajes que envían a la IA. El volumen de uso explica solo el 36% de la ventaja. El 64% restante viene de la complejidad de lo que hacen con ella: flujos de trabajo multi-paso, uso de agentes, delegación de tareas completas en lugar de preguntas puntuales.

El dato más revelador sobre dónde está la diferencia: las empresas frontera envían 16 veces más mensajes a Codex por empleado que las típicas. No están usando la IA para buscar información, la están usando para hacer trabajo.

Esta semana no hubo una sola noticia, hubo un patrón. En Amplify Premium trabajamos cómo leer ese patrón antes de que sea evidente para todo el mundo.

Únete →

En profundidad:

El mercado laboral está congelado, y la IA ya tiene nombre en los recortes

Hay una estadística que circuló esta semana y que merece más atención de la que recibió en los titulares.

Según Challenger, Gray & Christmas —la firma de recolocación ejecutiva que lleva décadas midiendo anuncios de despidos en EEUU— la inteligencia artificial fue la razón principal citada por las empresas para recortar empleo en abril de 2026, por segundo mes consecutivo. En total, desde enero hasta abril, la IA ha sido responsable oficial de 49.135 despidos anunciados, el 16% de todos los recortes del año.

La palabra “oficial” importa. Hasta hace muy poco, las empresas no citaban la IA como razón para despedir. Lo llamaban “eficiencia operativa” o “reestructuración estratégica”. El hecho de que ahora lo llamen por su nombre —y que lo hagan en documentos formales— es en sí mismo una señal sobre cómo ha cambiado la conversación interna en los consejos de administración.

Lo que los economistas llaman “el mercado laboral congelado” añade una capa más al cuadro. La economía estadounidense añadió 115.000 empleos en abril, con la tasa de desempleo estable en el 4,3%. A primera vista, eso parece razonable. Pero los economistas llevan más de un año describiendo una situación inusual: baja contratación y bajos despidos al mismo tiempo. Las empresas no están en modo de expansión, tampoco en modo de crisis. Están en modo de espera.

La interpretación más plausible: las empresas están evaluando cuánto trabajo pueden cubrir con IA antes de decidir cuánta gente contratan. Mientras esa ecuación no esté resuelta, la contratación se frena. Y para los sectores de cuello blanco —finanzas, análisis, software, soporte legal— el freno es especialmente visible.

El informe de Fortune del 8 de mayo lo resume con precisión: “el mercado laboral se está recuperando para todos, excepto para los trabajos de oficina.” Las categorías que más crecen en empleo son las menos susceptibles a automatización inmediata: transporte, construcción, hostelería. Las que más sufren son exactamente las que los agentes de IA de esta semana están aprendiendo a ejecutar: análisis financiero, redacción de documentos, atención al cliente avanzada.

¿Qué hacer con esto si eres un profesional independiente, un consultor, o alguien que dirige un equipo pequeño?

Lo primero: la pregunta no es si la IA va a afectar a tu trabajo. Esa pregunta ya tiene respuesta. La pregunta relevante es en qué plazo — y en qué tareas específicas.

Lo segundo: el informe de OpenAI sobre empresas frontera dice algo que vale la pena leer junto a estos datos. Las empresas que usan IA de forma profunda no están recortando simplemente: están haciendo más con el mismo número de personas. La distinción es importante. No es solo que la IA reemplace trabajo. Es que amplía lo que una persona puede hacer. Quien sepa usarla bien no es el primero en ser reemplazado: es el que puede hacer el trabajo de dos.

Herramienta de la semana:

Readwise Reader

El problema que resuelve. Abres demasiadas pestañas que nunca lees. Guardas artículos en Pocket o en Saved de X que no vuelves a ver. Recibes newsletters que abres a medias y archivas sin procesar. La cantidad de contenido relevante que llega cada semana supera lo que es posible leer con atención, y el resultado es que mucho conocimiento útil se pierde o se queda en una lista que nunca vacías.

Qué es Readwise Reader. Una aplicación de lectura que centraliza todo lo que quieres leer —artículos, newsletters, PDFs, transcripciones de YouTube, libros— y lo hace procesable. Resalta fragmentos, genera resúmenes con IA, y tiene un sistema de repaso que te muestra los mejores fragmentos de lo que has leído en el pasado para que no se olviden. La IA puede resumir cualquier documento en segundos, responder preguntas sobre su contenido, y extraer los puntos clave sin que tengas que leerlo entero.

Pregunta de la semana

OpenAI midió esta semana que las empresas frontera no usan la IA para responder más preguntas sino para ejecutar trabajo más complejo. La diferencia no es de cantidad. Es de tipo de tarea.

¿Qué tarea en tu trabajo es lo suficientemente compleja y recurrente como para que valga la pena intentar delegarla a un agente? ¿No para que la haga perfecta, sino para que te deje tiempo para revisar y decidir en lugar de construir desde cero?

Nos leemos la semana que viene.

— El equipo de Amplify

La brecha entre quienes usan IA para contestar preguntas y quienes la usan para ejecutar trabajo se está abriendo. En Amplify Premium trabajamos en qué lado de esa brecha posicionarte — y cómo.

Entra aquí →

Suscríbete ahora

Compartir

La newsletter perfecta que no servía para nada

La semana pasada, un cliente me envió su borrador de newsletter para empezar a cultivar su audiencia. Lo había creado con IA.

Técnicamente estaba bien escrito. Buena estructura, lenguaje correcto, puntos claros. La IA había hecho su trabajo.

Pero había un problema fundamental: no era él. No tenía su voz. No tenía su estilo. Y lo más grave es que era otra forma de esconderse.

Llevábamos semanas trabajando en una estrategia de creencias. Un sistema donde cada pieza de contenido refuerza las anteriores, construye sobre ellas, compone un mensaje coherente que va calando en su audiencia.

La newsletter de la IA ignoraba todo esto. No porque la IA fuera mala, sino porque no podía saber lo que yo sabía: que este cliente tiende a refugiarse en contenido genérico cuando tiene miedo de exponerse. Que llevábamos semanas trabajando precisamente en que dejara de hacer eso. Que esta newsletter, por muy bien escrita que estuviera, era un paso atrás.

La IA no vio el patrón. No podía verlo.

Era creación de contenido sin contexto. Ejecución sin composición. Una pieza técnicamente correcta que no servía para nada estratégico.

La paradoja del valor invertido

Durante décadas, las habilidades “duras” eran las que mandaban. Saber hacer, ejecutar, producir. Las habilidades “blandas” —contexto, relación, criterio, confrontación— eran secundarias. Bonitas de tener, pero no esenciales.

La IA ha invertido esta ecuación por completo.

Ahora, lo que la IA hace bien (ejecutar, producir, generar) se está comoditizando. Y lo que no puede hacer (contextualizar, confrontar, generar confianza, tener piel en el juego) se está volviendo el diferencial.

Las habilidades “blandas” se están convirtiendo en las más duras de replicar.

Read more

Te damos la bienvenida a Momentum

Alexandra y Edward, los fundadores de Amplify Media, comparten cada miércoles lo que están viendo y decidiendo en tiempo real. Patrones, errores, decisiones estratégicas: pensamiento en directo desde dentro de sus negocios y los de sus clientes.

Por Edward

Lo que te descalifica ha cambiado

En los incios de mi carrera como emprendedor, cada vez que empezaba algo nuevo preguntaba: ¿qué necesito hacer para que esto funcione? ¿Qué habilidades necesito? ¿Qué personas, qué recursos?

Con el tiempo esa pregunta cambió.

Ahora pregunto: ¿cuáles son todos los elementos críticos que deben existir para que esto no falle?

Suena parecido. Produce decisiones completamente diferentes.

Muchas veces, lo que crees que necesitas no es tan importante. Y lo que subestimas resulta ser crítico.

El Principio de Ana Karenina

Tolstoy abrió Ana Karenina con una línea que el científico Jared Diamond convirtió en principio: “Todas las familias felices se parecen; cada familia infeliz lo es a su manera.”

El éxito requiere la ausencia de todos los modos de fallo. El fracaso solo requiere uno.

Diamond llegó a esto estudiando la domesticación animal. De millones de especies, los humanos sólo hemos domesticado unas catorce. No porque esas catorce compartan un rasgo especial, sino porque carecen de cualquiera de los rasgos que hacen la domesticación imposible.

Dieta incorrecta: fuera. Maduración lenta: fuera. Reflejo de pánico en cautiverio: fuera. Temperamento agresivo: fuera. Un solo rasgo descalificante entre docenas de requisitos, y la especie no puede ser domesticada.

Nos encanta estudiar el éxito. Leemos biografías de fundadores, casos de empresas multimillonarias, análisis de estrategias ganadoras. Queremos encontrar la cosa que hicieron bien.

El Principio de Anna Karenina dice que estamos mirando en el lugar equivocado. Los negocios éxitosos no comparten un ingrediente brillante, comparten la ausencia de deficiencias fatales.

Lo que ha cambiado

Lo crítico no es fijo. Lo que no era un modo de fallo hace tres años puede serlo hoy. La IA ha reconfigurado lo que cuenta como rasgo descalificante.

Antes, un equipo grande era fortaleza. Ahora un equipo demasiado grande puede convertirse en la estructura de costes que permite a un competidor más ágil construir un modelo económico que te deja atrás. Lo que antes era músculo ahora puede ser el peso que te hunde.

Antes, el contenido genérico funcionaba. Ahora si tu estrategia depende de contenido, el contenido genérico es exactamente el rasgo que te descalifica. La IA hizo que lo genérico sea gratis. Sin profundidad humana real detrás de lo que publicas, desapareces.

Antes, la pregunta del tempo era más simple. La mayoría de las cosas recompensaban la paciencia. Construir despacio, planificar con cuidado, ejecutar metódicamente.

Ahora el tempo esta dividido. Algunas cosas se han acelerado dramáticamente: ciclos de decisión, cambios de mercado, adopción de herramientas. Ser lento ahí es el rasgo descalificante.

Pero otras cosas no han cambiado. La confianza toma el mismo tiempo que siempre, la profundidad requiere acumulación, la audiencia se compone durante años, no semanas. Ser rápido ahí también te descalifica. Apresuras el contenido y es genérico. Apresuras la confianza y estas pidiendo que confien en ti sin haber demostrado nada. Apresuras la audiencia y tienes seguidores pero ninguna relación.

El modo de fallo no es ser lento ni ser rápido. Es aplicar el tempo equivocado a la cosa equivocada.

La pregunta

No preguntes cuál es tu estrategia ganadora. Pregunta cuál es tu rasgo descalificante ahora mismo, en este mercado, con la IA reconfigurando lo que cuenta como crítico.

Porque la respuesta probablemente ha cambiado desde la última vez que revisaste.

Y el Principio de Anna Karenina es implacable. No necesitas fallar en todo. Sólo necesitas un rasgo descalificante que no has visto.

por Alexandra

El diagnóstico cómodo sale muy caro

Esta semana, en consultoría con un empresario que acababa de cerrar un lanzamiento sin las ventas que esperaba, llegó a la explicación en cuestión de segundos: “Es que el mercado no puede permitirse este precio.”

Caso cerrado. Decisión tomada: bajar el ticket en el siguiente lanzamiento.

Le hice una pregunta: “¿Cuántas hipótesis más has puesto sobre la mesa antes de quedarte con esta?”

Silencio.

Es una escena que veo mucho en el mundo de los negocios. Ante un resultado adverso encontramos una explicación rápida, cómoda, que encaja con algo que ya creíamos. Y desde ahí tomamos decisiones estratégicas que cambian la dirección del negocio.

Yo también lo he hecho, y no es falta de inteligencia. Es cómo está diseñado nuestro cerebro.

Una pregunta abierta es una herida cognitiva, duele estar sin saber. Por eso, ante un resultado adverso, no buscamos la explicación más completa, buscamos la primera que cierre la herida. Cuanto antes encaja algo, antes paramos de buscar.

El problema es que esa explicación que tu cerebro acepta para dejar de doler, tú la firmas como diagnóstico y construyes la siguiente decisión encima.

Y precisamente ahí está el riesgo. Una verdad parcial sentida como total te da la sensación de haber entendido, sin haber comprendido. Y desde esa sensación tomas decisiones que mueven el negocio en una dirección basada en una lectura que nunca terminó.

El insight: Una explicación cómoda no es claridad. Es un mecanismo de protección que se disfraza de claridad. Y mientras te protege de la incomodidad de no saber, te lleva a decisiones que pagas semanas, o incluso meses después.

Mi Metodología desde la Trinchera — El test del caso cerrado:

1. ¿Mi explicación llegó demasiado rápido o tras investigar? Si la diste en segundos, no es diagnóstico. Es reflejo.

2. ¿Hay tres hipótesis sobre la mesa o solo una? Una sola hipótesis no es análisis, es confirmación de algo que ya creías.

3. ¿Si dentro de un año el problema se repite con esta misma explicación, seguiré pensando que estaba completa? Si no, no está completa ahora.

Una explicación que cierra rápido no compone aprendizaje, solo apila decisiones tomadas sobre lecturas a medias.

Y un negocio construido sobre lecturas a medias no escala, se acelera hacia un muro.

Suscríbete ahora

Compartir

Esta semana terminó algo.

El lunes, Microsoft y OpenAI anunciaron que su acuerdo exclusivo ya no es exclusivo. Azure seguirá siendo el cloud principal de ChatGPT, pero OpenAI puede ahora vender a Amazon, Google y Oracle.

El mismo día comenzó el juicio de Elon Musk contra OpenAI en Oakland. Y el jueves, los resultados trimestrales de Google y Microsoft confirmaron que el gasto masivo en infraestructura de IA empieza a generar retornos reales.

Fue una semana de cierres, y de lo que viene después de ellos.

Suscríbete ahora

Latidos de la semana

Microsoft y OpenAI terminaron su exclusividad. El mapa del sector no vuelve a ser el mismo.

El lunes 27 de abril, Microsoft y OpenAI anunciaron conjuntamente una reestructuración de su histórico acuerdo. El cambio principal: la licencia de Microsoft sobre los modelos de OpenAI pasa de ser exclusiva a no exclusiva, lo que permite a OpenAI vender directamente a Amazon Web Services, Google Cloud y Oracle.

Microsoft mantiene la licencia hasta 2032 y conserva un porcentaje de los ingresos de OpenAI hasta 2030, aunque con un límite no revelado. La cláusula que habría dado a Microsoft acceso a la propiedad intelectual de OpenAI si declaraba haber alcanzado la AGI fue eliminada.

El acuerdo original fue la inversión de 13.000 millones de dólares que en 2023 convirtió a Microsoft en el único cloud de OpenAI y en el canal exclusivo de distribución empresarial de ChatGPT. Esa exclusividad es lo que termina esta semana.

El motivo oficial es estratégico: OpenAI necesita escalar más rápido de lo que Azure puede dar solo. El motivo implícito es regulatorio: las autoridades antimonopolio de Reino Unido, EEUU y Europa llevaban meses investigando si la exclusividad le daba a Microsoft una ventaja injusta en cloud y en IA empresarial.

El juicio de Musk contra OpenAI llega a los tribunales

Ha comenzado en un tribunal federal de Oakland el juicio de Elon Musk contra OpenAI, Sam Altman y Greg Brockman. Musk testificó durante tres días consecutivos, afirmando que cofundó OpenAI como organización sin ánimo de lucro, que financió sus inicios con aproximadamente 38 millones de dólares, y que la conversión en empresa con ánimo de lucro constituye una apropiación indebida de una organización benéfica. Llegó a afirmar desde el estrado: “creí que había fundado una ONG con OpenAI, pero me la robaron.”

La defensa de OpenAI argumentó que Musk fue quien intentó tomar el control de la organización en 2018 —cuando propuso asumir la dirección ejecutiva y fue rechazado— y que su demanda es la respuesta a ese rechazo, no a una preocupación genuina por la misión.

El caso importa más allá del drama personal porque podría afectar directamente la capacidad de OpenAI para completar su conversión a empresa con fines de lucro, una transacción que la compañía necesita para continuar captando capital a la escala que requiere su expansión.

Los resultados trimestrales de Big Tech confirman que la apuesta en IA genera retornos reales por primera vez.

El miércoles y el jueves, Google, Microsoft y Amazon reportaron resultados del primer trimestre de 2026 que respondieron la pregunta que el sector se hacía desde 2023: ¿cuándo empezará a verse el retorno del gasto masivo en infraestructura de IA?

Alphabet reportó 109.900 millones de dólares en ingresos. Google Cloud cruzó por primera vez los 20.000 millones de dólares en un trimestre, con un crecimiento del 63% interanual. Los ingresos de Alphabet procedentes de productos construidos sobre sus modelos de IA generativa crecieron casi un 800% interanual.

Los cuatro hyperscalers combinados gastarán aproximadamente 700.000 millones de dólares en infraestructura de IA en 2026, más del triple de lo que gastaron en 2024. La semana confirmó que la magnitud del retorno sobre esa inversión justifica, al menos por ahora, seguir aumentando el gasto.

Alerta de seguridad de OpenAI: actualiza el app de macOS antes del 8 de mayo.

El martes 29 de abril, OpenAI emitió una alerta urgente a todos los usuarios de su aplicación de escritorio para macOS. Una librería de JavaScript integrada en versiones anteriores de la app fue comprometida y usada para distribuir un troyano de acceso remoto (RAT). La actualización que corrige la vulnerabilidad ya está disponible; OpenAI recomienda instalarla antes del 8 de mayo.

Si usas la app de ChatGPT en Mac —no el navegador, sino la aplicación de escritorio— abre el menú de la app, ve a “Buscar actualizaciones” e instala la versión más reciente.

Lo que ocurrió esta semana tiene implicaciones que van más allá de las noticias.

En Amplify Premium trabajamos qué posición tomar, y cuándo.

Únete →

En profundidad:

Anthropic dijo no al Pentágono. ¿Qué revela eso?

Hay una forma de leer la exclusión de Anthropic de los contratos del Pentágono que circula en algunos medios: que Anthropic perdió el negocio por ser demasiado estricta con sus principios, y que eso es un error estratégico que sus competidores aprovecharán.

Merece la pena leerla de otra forma.

Anthropic construyó este año el modelo de IA más capaz en ciberseguridad ofensiva del mundo —Claude Mythos— y decidió no publicarlo precisamente porque esa capacidad podía hacer daño. Esta semana, cuando el Pentágono pidió acceso sin restricciones a sus modelos para armas autónomas y vigilancia doméstica, la compañía volvió a decir no.

La coherencia entre las dos decisiones es estructural.

Anthropic fue fundada con una tesis explícita: los laboratorios de IA más avanzados del mundo tienen la responsabilidad de establecer ellos mismos los límites de lo que sus sistemas pueden hacer, antes de que esos límites sean establecidos desde fuera. Eso significa, en la práctica, que habrá aplicaciones a las que el laboratorio dirá que no, incluso cuando el cliente sea el gobierno de EEUU y los contratos sean de los más grandes que existen en el mercado.

Lo que es interesante analizar es la consecuencia a largo plazo de ese posicionamiento, en ambas direcciones.

La dirección negativa es obvia: Anthropic pierde acceso al mayor comprador de tecnología del mundo. Los contratos del Pentágono con el sector tecnológico se miden en decenas de miles de millones de dólares anuales. Sus competidores —OpenAI, Google, Microsoft— están dentro, y eso les da ventajas en datos, en relaciones y en contratos futuros que Anthropic no tendrá.

La dirección positiva es menos obvia pero no menos real. Hay un segmento de clientes —gobiernos europeos, organizaciones internacionales, grandes empresas en sectores regulados, profesionales en jurisdicciones con regulación de IA estricta— para quienes la garantía de que un proveedor de IA no sirve a aplicaciones militares sin restricciones es una ventaja competitiva, no un sacrificio.

Hay algo más que vale la pena nombrar, aunque es más especulativo: la posición de Anthropic puede ser más valiosa si la regulación de IA evoluciona en la dirección que muchos predicen. Los gobiernos que hoy exigen acceso sin restricciones pueden acabar siendo exactamente los que promuevan regulaciones que restrinjan el uso de IA en armamento autónomo. Si eso ocurre, Anthropic ya estará en el lado correcto de la línea. Sus competidores tendrán que renegociar.

Nada de esto hace la decisión fácil. Pero la pregunta que esta historia plantea es interesante: ¿cuándo tiene sentido para una empresa decir que no a un cliente que no puede o no quiere rechazar?

Herramienta de la semana:

Perplexity Deep Research

El problema que resuelve. Necesitas entender rápidamente un mercado, un competidor, una tecnología o un tema que no conoces bien. La alternativa habitual es abrir veinte pestañas, leer durante horas y sintetizar tú mismo. O preguntar a ChatGPT y recibir una respuesta genérica sin fuentes verificables. Ninguna de las dos opciones es ideal cuando el tiempo es limitado y la calidad del análisis importa.

Qué es Perplexity Deep Research. Una función dentro de Perplexity que toma tu pregunta, lanza automáticamente entre 20 y 30 búsquedas paralelas en la web, lee y sintetiza los resultados, y te devuelve un informe estructurado con fuentes citadas. El proceso tarda entre 2 y 5 minutos. El resultado es un documento de 800 a 2.000 palabras que resume lo que existe sobre el tema en internet en ese momento.

Para quién es útil. Para consultores y asesores que necesitan estar al día en sectores que no son su especialidad principal, emprendedores que evalúan oportunidades de mercado sin equipo de investigación, y profesionales que preparan reuniones o propuestas y necesitan contexto sólido en poco tiempo.

Pregunta de la semana

El acuerdo exclusivo entre Microsoft y OpenAI que organizó el sector de la IA durante tres años terminó esta semana porque las circunstancias cambiaron, y las dos partes lo aceptaron.

La pregunta práctica: ¿cuánto de la forma en que usas IA en tu trabajo dependería de que un proveedor cambiara sus condiciones, o dejara de existir? ¿Tienes una alternativa pensadam, o lo descubrirías en el momento?

Nos leemos la semana que viene.

— El equipo de Amplify

Suscríbete ahora

Compartir

¿Por qué convergen las respuestas?

La conversación sobre personalización ha evolucionado rápido. Hace un año hablábamos de custom GPTs y system prompts. Ahora hablamos de skills modulares, agentes especializados, protocolos como MCP, orquestación multi-agente. La sofisticación técnica es real.

Pero debajo de todas esas capas, el modelo base sigue siendo el mismo. Y el modelo base opera por predicción estadística del siguiente token. Eso implica que, por diseño, tiende hacia la media de su distribución de entrenamiento. Puedes ajustar el tono, la extensión, el vocabulario. Pero las conexiones que establece entre ideas, los marcos que selecciona, la forma en que estructura un argumento, todo eso viene del entrenamiento compartido. Es el mismo para ti que para tu competencia.

Esto no es una limitación de un proveedor concreto. Un equipo de la Universidad de Washington demostró que incluso modelos de empresas distintas, con arquitecturas y datos de entrenamiento diferentes, producen outputs con solapamientos sorprendentes. Reciclan las mismas frases, los mismos marcos, las mismas ideas. La convergencia no es un bug de implementación. Es una propiedad emergente del proceso estadístico de generación de lenguaje.

Además, la infraestructura agéntica que está emergiendo en 2026 tampoco resuelve esto. Lo que se está commoditizando es la capa de ejecución: los mismos componentes open-source, los mismos protocolos de comunicación entre agentes, los mismos conectores. La promesa ha escalado. El problema de fondo, no.

Read more

Te damos la bienvenida a Momentum

Alexandra y Edward, los fundadores de Amplify Media, comparten cada miércoles lo que están viendo y decidiendo en tiempo real. Patrones, errores, decisiones estratégicas: pensamiento en directo desde dentro de sus negocios y los de sus clientes.

Por Edward

La siguiente puerta

Trabajando con clientes en nuestro programa de Apalancamiento AI, algo nos ha llamado la atención últimamente. Las personas que están consiguiendo los mejores resultados han dominado una sola cosa.

Entienden que es suficiente para activar el siguiente paso.

No más. No menos. Solo lo necesario para abrir la siguiente puerta.

El error que paraliza

La mayoría de los emprendedores se ponen metas enormes. Y después se quedan atrapados en la brecha entre donde están hoy y donde quieren llegar. La brecha se siente gigante. Paraliza. Y mientras más tiempo pasas mirándola, más imposible parece cruzarla.

Pero la solución casi nunca vive en el destino. Vive en algo intermedio. Un movimiento más simple de lo que piensas que abre una puerta. Y detrás de esa puerta, la siguiente se hace visible.

Esto es lo que hemos aprendido a hacer de forma constante en nuestro negocio. No planificar el camino entero. Identificar la puerta más cercana y diseñar el movimiento que la abre.

Cómo funciona en la práctica

Queríamos entrar en el espacio de IA. No empezamos construyendo una plataforma. Lanzamos un programa de formación usando Claude y prompts diseñados por nosotros. Eso generó ingresos y aprendizaje real con clientes. Y esos ingresos y ese aprendizaje financiaron el desarrollo de Ipolaris. La primera puerta abrió la segunda.

Queríamos mejorar Ipolaris rápidamente. No esperamos a tener la plataforma perfecta. Lanzamos una Beta con un grupo reducido de clientes reales usando el producto. Su feedback directo nos mostró qué funcionaba, qué fallaba y qué faltaba.

El lanzamiento en Beta fue la puerta. La plataforma que realmente necesitaban nuestros clientes fue lo que había detrás.

Queremos entrar en el mercado angloparlante. No estamos intentando lanzar una marca completa en inglés de la noche a la mañana. Publicaremos ocho libros en Amazon en los próximos cuatro meses. Los libros son la puerta. El posicionamiento es lo que hay detrás.

Queremos posicionarnos en la categoría creciente de agentes de IA. No estamos esperando a tener todo resuelto. Lanzamos en Beta nuestro nuevo producto Primer Contacto, un agente que reemplaza a un representante de ventas. La beta es la puerta. La categoría es lo que hay detrás.

Cuatro movimientos distintos. Misma lógica. No mirar el destino final, mirar la puerta más cercana y poner toda la fuerza ahí.

La pregunta que cambia la dirección

La mayoría de los emprendedores se obsesionan con los ingresos.

Los ingresos son el pasado. Te dicen lo que ya pasó.

La pregunta más útil siempre mira hacia adelante: qué tengo en mi pipeline que va a abrir la siguiente puerta.

No necesitas ver el camino completo. Necesitas ver la próxima puerta. Y necesitas saber qué es suficiente para abrirla.

Cuando dominas eso, dejas de sentirte atrapado en la brecha. Porque ya no estás mirando la distancia entre donde estás y donde quieres llegar. Estás mirando lo que está justo delante de ti.

Y eso siempre es alcanzable.

por Alexandra

El tiempo entre ver y actuar no es neutral

Esta semana me di cuenta de un patrón que llevo arrastrando desde hace un tiempo.

Veo que algo no funciona. Lo registro y espero. Espero al fin de semana. A la revisión mensual. Al momento en que “tenga tiempo de pensarlo bien”.

Como si replantear necesitara un contenedor formal para ser legítimo.

Este patrón también lo veo en mi interacción con empresarios. No es que no vean los problemas. Los ven. Pero hay un tiempo de respuesta, que suele ser lento, entre “lo veo” y “lo replanteo”.

Días, semanas, a veces incluso meses. El problema sigue ahí, acumulando coste, mientras esperamos el momento adecuado para abordarlo.

El insight: Ver y replantear pueden ocurrir en el mismo gesto. No necesitamos autorización ritual para cambiar de dirección.

¿Por qué esperamos?

Replantear durante el flujo se siente como interrupción. Como si parar a ajustar fuera perder tiempo en lugar de ganarlo. El cerebro prefiere seguir ejecutando — aunque sea en la dirección equivocada — porque ejecutar se siente productivo. Sobre todo, si tienes un perfil de logrador, como es en mi caso.

Pero con los años y la experiencia acabas comprendiendo que el coste de esperar no es neutral.

Cada día que pasa con algo que ya viste que no funciona es un día de fricción innecesaria. De energía mal dirigida, de resultados que podrían ser mejores.

La distinción que me ayudó:

• Tiempo de respuesta lento: Veo qué no funciona → espero al momento adecuado → el problema sigue acumulando coste → replanteo cuando ya es urgente.

• Tiempo de respuesta corto: Veo qué no funciona → paro y replanteo en el momento → ajusto antes de que el coste se acumule.

La diferencia no es tener más tiempo, es darte permiso para replantear sin esperar a que el contexto lo justifique.

Mi Metodología desde la Trinchera — Sin sala de espera:

1. Si lo ves, ya es momento de replantearlo. No necesitas más información, ni más tiempo, ni un hueco en la agenda. Si ya lo viste, ya tienes lo que necesitas para actuar.

2. Replantear no es parar todo. A veces, es un ajuste de 5 minutos. Una conversación. Una decisión que llevas posponiendo. No todo requiere una sesión estratégica.

3. El momento perfecto no existe. Esperar al fin de semana, a la revisión, al retiro — es postergación disfrazada de prudencia. El mejor momento para replantear es cuando lo ves.

El tiempo entre ver y actuar no es neutral. Es donde tus mejores decisiones se quedan esperando permiso.

Suscríbete ahora

Compartir

Esta semana, el sector de la IA anunció compromisos de capital que superaron los cien mil millones de dólares. Google puso cuarenta en Anthropic. SpaceX firmó una opción de compra de sesenta sobre Cursor. Meta anunció que recortará ocho mil empleos para tener más presupuesto para IA. Microsoft ofreció salidas voluntarias por primera vez en sus cincuenta y un años de historia.

También hubo modelos nuevos. Conferencias. Agentes. El sector no paró.

Pero la historia de esta semana no fue técnica. Fue una historia de dinero — y de lo que el dinero revela sobre hacia dónde va todo esto.

Latidos de la semana

Google comprometió hasta 40.000 millones de dólares en Anthropic: la mayor apuesta de capital en una startup de IA.

El jueves, Alphabet confirmó que invertirá hasta 40.000 millones de dólares en Anthropic: 10.000 millones de forma inmediata, a una valoración de 350.000 millones; otros 30.000 millones condicionados al cumplimiento de objetivos de crecimiento. La inversión incluye un compromiso de cinco gigavatios de capacidad de cómputo en la infraestructura de TPUs de Google a lo largo de cinco años.

La cifra es la mayor apuesta de capital jamás realizada en una startup de IA fuera del acuerdo Microsoft-OpenAI. Para entender su magnitud: Anthropic pasó de 9.000 millones de dólares de ingresos anualizados a finales de 2025 a más de 30.000 millones en la actualidad, un crecimiento que rara vez se ve en el sector tecnológico a esa escala y velocidad.

Con Amazon comprometido con hasta 25.000 millones adicionales, Anthropic entra en la segunda mitad de 2026 con una pregunta distinta a la de cualquier otro momento en su historia: no cómo financiarse, sino cómo usar el capital de forma que justifique la valoración.

SpaceX firmó una opción de 60.000 millones de dólares para comprar Cursor.

El lunes, SpaceX —que el año pasado se fusionó con xAI— anunció que tiene el derecho a adquirir Cursor, la herramienta de programación con IA más usada entre desarrolladores profesionales, por 60.000 millones de dólares antes de que acabe el año. La alternativa: pagar 10.000 millones como “tarifa de colaboración” si la adquisición no se materializa.

El contexto hace el acuerdo más extraño todavía: Cursor estaba a punto de cerrar una ronda de financiación de 2.000 millones de dólares esta semana. Renunció a ella para aceptar este trato. Su CEO tiene 25 años.

La interpretación más directa: SpaceX quiere construir los mejores modelos de programación del mundo — tiene el Colossus de un millón de equivalentes H100 como infraestructura — y Cursor le da la distribución entre los usuarios que más los necesitan. La adquisición se aplazará hasta después de la salida a bolsa de SpaceX, prevista para este verano, para simplificar el proceso de financiación con acciones cotizadas.

OpenAI lanzó GPT-5.5, seis semanas después de GPT-5.4.

El jueves, OpenAI publicó GPT-5.5, su modelo más avanzado hasta la fecha. El intervalo entre lanzamientos — seis semanas desde GPT-5.4 — es revelador sobre el ritmo de la carrera. Disponible para usuarios Plus, Pro, Business y Enterprise en ChatGPT.

Lo que diferencia a GPT-5.5 no es solo la capacidad. Es el posicionamiento: OpenAI lo describe como un paso hacia un “super app” que combina chat, programación, navegación web, análisis de datos, creación de documentos y coordinación entre herramientas en una sola interfaz. Mejora los benchmarks de GPT-5.4 en codificación (82,7% en Terminal-Bench 2.0) y matemáticas avanzadas, manteniendo latencia equivalente.

En la API, la versión estándar costará 5 dólares por millón de tokens de entrada y 30 por millón de salida. GPT-5.5 Pro — con mayor capacidad de razonamiento — costará 30 y 180 respectivamente.

Google Cloud Next 2026: la mayor conferencia de cloud empresarial del año fue, en realidad, una conferencia de agentes.

Esta semana, Google celebró su conferencia anual de infraestructura cloud con un mensaje estructural: el eje de competición en IA ya no está en la inteligencia de los modelos. Está en la gobernabilidad de los agentes.

El movimiento más significativo: Vertex AI — la plataforma de IA de Google Cloud — fue renombrada como Gemini Enterprise Agent Platform. La plataforma incluye un entorno low-code para construir agentes (Agent Studio), un protocolo de comunicación entre agentes (A2A), y acceso a más de 200 modelos a través de su Model Garden. Google también presentó Gemini 3 Flash, con un 15% de mejora en precisión general sobre la versión anterior, optimizado para flujos de trabajo de agentes de alta frecuencia.

El último dato que resume la apuesta: Google comprometió 750 millones de dólares en fondos e incentivos para los 120.000 partners de su ecosistema cloud con el objetivo específico de que construyan sobre esta nueva arquitectura de agentes.

OpenAI lanzó Workspace Agents en ChatGPT: agentes compartidos que trabajan en Slack, Drive y Salesforce.

También esta semana, OpenAI presentó Workspace Agents — una evolución de los GPTs, construida sobre Codex, diseñada para funcionar dentro de los flujos de trabajo de empresa. Los equipos pueden crear agentes que ejecutan tareas complejas de forma autónoma: preparar informes, escribir y revisar código, responder mensajes, coordinarse entre aplicaciones como Slack, Google Drive, Microsoft Office, Salesforce, Notion y Atlassian.

Los agentes corren en la nube — no requieren que nadie tenga una sesión abierta — y los administradores de empresa pueden controlar qué herramientas y acciones tiene disponibles cada agente, con monitorización incluida. Disponible en research preview para planes Business, Enterprise, Edu y Teachers. Gratuito hasta el 6 de mayo, después con precios basados en créditos.

El producto es la respuesta directa de OpenAI a Claude Managed Agents y al Gemini Enterprise Agent Platform de Google. Los tres grandes laboratorios ahora tienen infraestructura de agentes en producción.

Las señales de esta semana cambian el mapa, y la mayoría de los análisis que leerás no distinguen las que importan de las que no.

En Amplify Premium trabajamos qué posición tomar antes de que sea evidente para todos.

Únete →

En profundidad

La primera semana en que el trade-off fue explícito

En los últimos dos años, la conversación sobre IA y empleo ha seguido un patrón predecible: un laboratorio anuncia una capacidad nueva, un grupo de economistas publica predicciones sobre el impacto laboral, otro grupo de economistas publica predicciones contrarias, y nadie cambia de posición.

Esta semana fue diferente.

El miércoles, Meta anunció que recortará 8.000 empleados —el 10% de su plantilla— y que no cubrirá 6.000 posiciones abiertas adicionales. El motivo declarado, sin ambigüedades, en el memo interno a empleados: “seguir siendo más eficientes y poder compensar las otras inversiones que estamos haciendo.” Esas “otras inversiones” son 135.000 millones de dólares en infraestructura de IA en 2026 — casi el doble de los 72.000 millones del año anterior.

El mismo día, Microsoft anunció que ofrecerá salidas voluntarias por primera vez en sus cincuenta y un años de historia. El 7% de los empleados en Estados Unidos —unos 8.750 trabajadores— son elegibles. Un artículo de The Next Web tituló: “Meta y Microsoft convierten nómina en gasto de capital en IA.”

El titular captura algo real. Estas no son reestructuraciones por mal desempeño. Son conversiones contables explícitas: coste de personal sale, coste de infraestructura de IA entra. La causalidad ya no es especulativa, está en los documentos corporativos.

Snap lo hizo antes. El 15 de abril, su CEO Evan Spiegel anunció el recorte del 16% de la plantilla con una frase que ha circulado ampliamente esta semana: “La IA ahora escribe más del 65% de nuestro código nuevo.” La reducción de costes anualizada estimada: 500 millones de dólares. En Snap, la relación entre capacidad de IA y tamaño de plantilla dejó de ser teórica.

Lo que hace a esta semana distinta no es la escala de los recortes —los 92.000 despidos tecnológicos contabilizados en 2026 hasta ahora superan cualquier año reciente— sino la honestidad sobre el mecanismo. Las empresas ya no atribuyen los recortes a “reestructuración estratégica” o “eficiencias operativas”. Los atribuyen explícitamente a la IA. Eso es nuevo.

¿Qué implica esto para alguien que no trabaja en Meta o Microsoft?

Primero, que el argumento “la IA creará más empleos de los que destruya” —que puede ser verdad a largo plazo y a nivel macroeconómico— no ayuda a quien toma decisiones en los próximos doce meses. Las empresas no están esperando a que ese equilibrio se produzca antes de actuar.

Segundo, que la pregunta ya no es si la IA afectará al mercado de trabajo, sino a qué velocidad y en qué segmentos. Los programadores junior y los roles de soporte eran los candidatos obvios en 2023. Lo que dicen Meta, Microsoft y Snap esta semana es que el umbral está subiendo. Snap no está automatizando el código que nadie quería escribir: está automatizando el 65% del que sí querían.

Tercero, y esto es lo que más importa para la audiencia de Amplify: la ventaja competitiva de quienes sepan usar estas herramientas no va a disminuir con el tiempo. Va a aumentar, porque el umbral de lo que se espera de una persona sola —o de un equipo pequeño— seguirá subiendo. La distancia entre quien usa IA bien y quien no la usa no es un dato estático.

Lo que esta semana dejó claro es que los equipos directivos de las mayores empresas del mundo ya han interiorizado eso. La pregunta es cuándo lo interiorizan las que les siguen.

Herramienta de la semana:

Fathom

El problema que resuelve. Acabas una reunión de una hora, tienes cuatro puntos de acción en la cabeza, y al día siguiente no recuerdas bien quién dijo qué ni en qué contexto quedó cada cosa. El seguimiento es siempre imperfecto. O tomas notas mientras escuchas a medias, o escuchas bien y pierdes el hilo de lo que hay que hacer después.

Qué es Fathom. Una herramienta que se integra con Zoom, Google Meet y Microsoft Teams y graba, transcribe y resume tus reuniones de forma automática. Al terminar la llamada, tienes una transcripción completa, un resumen con los puntos clave, y una lista de tareas extraída de lo que se discutió. Puedes buscar en la transcripción, copiar fragmentos exactos, y compartir resúmenes con quien no estuvo presente.

Acceso. El plan gratuito de Fathom incluye grabaciones y resúmenes ilimitados. Funciona en navegador, sin instalación adicional para Meet. Disponible en fathom.video.

Pregunta de la semana

Meta recortó 8.000 empleos esta semana con una justificación explícita: necesita ese dinero para IA. No como efecto secundario, sino como decisión declarada.

La pregunta práctica no es si eso está bien o mal. Es: en tu trabajo o en tu empresa, ¿sabes ya qué tareas requieren inevitablemente criterio humano y cuáles no?

No como ejercicio teórico, sino como inventario concreto de lo que haces hoy.

Nos leemos la semana que viene.

— El equipo de Amplify

Suscríbete ahora

Compartir

Deja un comentario

En 1946, un psicólogo holandés hizo un experimento con ajedrecistas.

Mostró posiciones de partidas reales a grandes maestros y a principiantes. Los maestros las reconstruyeron casi a la perfección. Los principiantes, apenas un cuarto.

Después mostró posiciones aleatorias, piezas sin ninguna lógica de juego real.

Los maestros no lo hicieron mejor que nadie. La ventaja desapareció por completo.

La diferencia no estaba en la velocidad. Ni en la potencia de cálculo. Estaba en lo que habían construido debajo: una forma de ver el tablero que convertía posiciones en significado.

Eso es exactamente lo que la mayoría está perdiendo ahora mismo con la IA.

No el output. El output está bien. Quizás mejor que nunca.

Lo que se pierde es la capa de comprensión que hace que ese output sea tuyo y no de cualquiera que tenga acceso a las mismas herramientas.

¿Cuánto tiempo llevas produciendo sin pasar las cosas conscientemente por ti?

Piénsalo bien. No es una pregunta retórica. La respuesta es un diagnóstico valioso.

Si ajustas los outputs de la IA pero no sabrías reescribirlos desde cero... si produces más pero te cuesta más defender las decisiones...

Entonces hay algo que se está erosionando en silencio. No en ningún resultado concreto. En el conjunto.

Eso es lo que aborda la guía de este mes.

No es otra guía sobre prompts, ni herramientas, ni sobre flujos de trabajo.

Es sobre la única ventaja que nadie puede copiar con una suscripción: la comprensión que se acumula cuando el proceso pasa conscientemente por ti.

Dentro encontrarás:

• Por qué la IA rompió la cadena que conectaba output con expertise, y qué significa eso para quien construye su negocio sobre la diferenciación.

• La diferencia entre familiaridad, criterio y comprensión. Y por qué la mayoría se queda en el primero creyendo que está en el tercero.

• Tres mecanismos concretos para construir comprensión sin renunciar a la velocidad: qué explicar antes de delegar, qué auditar cuando algo funciona, y qué nunca deberías soltar aunque la IA pueda hacerlo.

• Cómo se hace visible hacia fuera. No con portfolios ni credenciales, sino en la precisión de cómo trabajas con un cliente.

• La pregunta que cierra la guía y que, si te la haces en serio, define exactamente dónde estás ahora.

La guía se suma a las 11 anteriores, que cubren todos los ámbitos que un profesional necesita para pasar de usar IA a construir con ella: desde los fundamentos del contexto hasta los sistemas de criterio.

¿Cómo acceder a las guías?

Para miembros de Amplify Premium: la guía está disponible en tu espacio desde hoy.

Si todavía no formas parte, únete a Amplify Premium y accede al arsenal completo:

• 11 Guías Amplify (una nueva cada mes): Claude Skills · Modelos Mentales · Activos de Confianza · Moats Estéticos · Vibe Coding · Agentes IA · Arquitectura de Contexto · Claude Cowork · De usuario a operador · La era del output fácil

• Ensayos completos semanales donde vamos más profundo

• +250 prompts organizados por caso de uso real

• 12 informes estratégicos

• Comunidad privada en Skool

Si todavía no formas parte, Amplify Premium existe para un tipo específico de profesional: el que ya usa IA y quiere que eso se convierta en una ventaja que se acumula, no en una herramienta que usa y olvida.

La publicación para emprendedores que escalan con IA sin perder criterio:

Quiero Amplify Premium

Una última cosa antes de dejarte seguir con tu día.

De Groot descubrió que los grandes maestros no veían más piezas. Veían de otra forma. Años de partidas habían comprimido el tablero en patrones con significado. Cuando las piezas no formaban ningún patrón reconocible, esa capacidad no servía de nada.

La IA te da piezas. Muchas piezas, muy rápido.

Ahora bien. ¿Estás construyendo la forma de verlas?

Que tengas un buen sábado,

— El equipo de Amplify

Suscríbete ahora

Compartir

Te damos la bienvenida a Momentum

Alexandra y Edward, los fundadores de Amplify Media, comparten cada miércoles lo que están viendo y decidiendo en tiempo real. Patrones, errores, decisiones estratégicas: pensamiento en directo desde dentro de sus negocios y los de sus clientes.

Por Edward

Lo que tu Dashboard no rastrea

Al principio de nuestra carrera, construir marca siempre fue secundario. Era lo que íbamos a hacer después. Cuando tuviéramos tiempo. Cuando lo urgente estuviera resuelto.

Lo urgente nunca se resolvió. Y el después nunca llegó.

Con los años entendimos que no se trata de construir marca después. Se trata de construirla siempre.

Pero entender por qué la mayoría de emprendedores resiste esta idea nos tomó más tiempo.

La trampa que funciona

Cada día aparece algo nuevo que promete cambiarlo todo. Una táctica viral. Una actualización de plataforma. Un software que automatiza lo que antes tomaba horas. Un hack que alguien publicó y generó mil leads en una noche.

Y la mayoría funciona. Ese es el problema.

Funcionan lo suficiente como para sentirse como progreso. Una táctica nueva produce un pico. Una plataforma nueva abre un canal. Una herramienta nueva ahorra tiempo. Cada una es real. Cada una es medible. Cada una se siente como la decisión inteligente porque la alternativa, detenerse a pensar dónde necesitas estar en tres anos, se siente abstracta y peligrosamente cercana a no hacer nada.

Por eso construir marca es el área que más resistencia genera. No porque la lógica sea difícil. Porque la lógica te pide dividir tu atención entre dos líneas de tiempo: la que te paga hoy y la que va a determinar si te siguen pagando en cinco años.

Y la que te paga hoy es más ruidosa, más urgente y más gratificante en todas las formas que tu cerebro puede medir.

El coste invisible

El coste de ignorar tu posición futura es invisible por la misma razón que cualquier coste a largo plazo es invisible: el ciclo de retroalimentación es largo.

Puedes pasarte tres años persiguiendo cada táctica nueva, cada objeto brillante, cada oportunidad de plataforma, y los ingresos pueden sostenerse. Incluso pueden crecer.

Pero debajo de los números algo se está erosionando. El mercado se mueve. Los competidores que están construyendo una posición se vuelven más difíciles de alcanzar. La brecha entre dónde estas y dónde necesitas estar se amplía a un ritmo que tu dashboard no rastrea.

Cuando lo sientes, el coste de ponerte al día son años, no meses.

Qué es marca

Marca es percepción, nada más.

Es lo que la gente piensa de ti cuando no estás en la sala. Es tu voz, tus valores, tu filosofía, las conversaciones que traes al mercado. Es el peso que cargas cuando hablas de tu tema.

Marca no es un logo bonito. No es un sitio web limpio. No es una paleta de colores consistente. Todo eso hoy es gratis. Cualquiera con las herramientas correctas puede tenerlo en una tarde.

Pero el peso que traes al mercado no se genera en una tarde. Se construye con años de experiencia, de criterio acumulado, de posiciones tomadas, de conversaciones que solo tú puedes tener porque las has vivido.

La pregunta real no es cómo se ve tu marca. Es qué peso tiene cuando habla.

Por qué la IA acelera todo esto

La IA ha comprimido esta línea de tiempo.

Cuando cualquiera puede producir contenido limpio, copy afilado, branding pulido, los negocios sin una posición clara no solo se mezclan con el resto. Desaparecen.

Marca en su esencia es percepción. Y cuando la IA hace que todos se vean igual, la equidad de marca se convierte en la puerta mental que te permite saltar el filtro de comparación que la mayoría de compradores van a activar.

Las conversiones de venta van a caer para muchos. La confianza se va a erosionar. Y las personas van a confiar cada vez más en un grupo selecto de marcas que se ganaron esa posición antes de que fuera urgente.

La decisión

El trabajo urgente nunca se termina. La semana tranquila nunca llega. Y los tres años pasan igual.

La pregunta no es si tienes tiempo para pensar en tu posición. Es si vas a tomar la decisión hoy de construir la posición que sostiene todo lo demás mañana.

Los emprendedores que mantienen sus resultados a largo plazo no son los que encontraron la mejor táctica. Son los que hicieron del posicionamiento parte de cómo operan, no algo que hacen cuando hay tiempo.

Nunca hay tiempo. Solo hay la decisión de hacerlo.

por Alexandra

Más horas no es más dimensión

Estas últimas semanas, por circunstancias personales, me vi obligada a reducir mi día a lo imprescindible. Solo lo que tenía que salir sí o sí. Nada más.

Y para mi sorpresa lo imprescindible funcionó realmente bien.

El negocio se sostuvo. Lo importante salió, todo lo demás esperó. Y quedó espacio para algo que normalmente no hay: profundidad.

El patrón que veo con frecuencia: La queja más común es que el día no da para más. Demasiadas reuniones, demasiados frentes, demasiadas tareas. La solución instintiva es buscar cómo meter más — optimizar, delegar, automatizar para ganar horas.

Pero la pregunta está mal planteada.

El insight: Dimensión no es más horas, es más peso en cada hora.

La mayoría tiene los días llenos. Muchas actividades, poco peso cada una. Con sensación de productividad, pero poca profundidad.

Cuando reduces a lo esencial, cada cosa que haces tiene más peso. No es que hagas menos — es que lo que haces importa más.

La distinción que lo cambia todo:

• Día lleno: Muchas actividades, poco peso cada una. Volumen sin profundidad. Al final del día agotamiento, pero con poca sensación de impacto.

• Día denso: Pocas actividades, mucho peso en cada una. Menos volumen, más profundidad. Al final del día terminas con la sensación de que lo que hiciste realmente contó.

Mi Metodología desde la Trinchera — De volumen a densidad:

1. ¿Qué es realmente imprescindible hoy? No lo importante. Lo imprescindible. Lo que, si no sale hoy, tiene consecuencia real. El resto puede esperar.

2. ¿Estoy llenando el día o dándole peso? La agenda llena se siente productiva, pero muchas veces es volumen disfrazado de impacto. Menos cosas con más intención suele generar más resultado.

3. ¿Qué quitaría si tuviera que reducir a la mitad? Esta pregunta revela qué realmente importa y qué solo ocupa espacio.

La próxima vez que sientas que el día no da te para más, no busques cómo meter más.

Pregúntate qué quitarías para que lo que queda tenga más peso.

Porque no se trata de cuánto haces, se trata de cuánto pesa lo que haces.

Suscríbete ahora

Compartir

Una semana intensa. Anthropic lanzó modelo, OpenAI perdió tres ejecutivos, Salesforce decidió que la IA ya no necesita pantallas, y los agentes autónomos empezaron a correr solos desde la nube.

Mientras tanto, el Stanford AI Index trajo el dato más incómodo del año: solo el 10% del público general está entusiasmado con la IA.

El sector no para. El público va en la dirección contraria. Esta semana, las dos cosas a la vez.

Latidos de la semana

OpenAI reorganizó su estructura interna, y las salidas dicen más que el comunicado.

Entre el lunes y el jueves, tres ejecutivos clave abandonaron OpenAI: Kevin Weil, vicepresidente de IA para Ciencia; Bill Peebles, director del equipo de Sora; y Srinivas Narayanan, CTO de empresa.

No salieron en silencio: los tres dejaron claro que la compañía está reorientando sus recursos hacia programación y empresa, y que proyectos como Sora —el generador de vídeo que llegó con enorme cobertura mediática— y “OpenAI for Science” quedaron clasificados internamente como “side quests”.

El movimiento estratégico central: convertir Codex en el producto principal, expandirlo hacia usos de empresa, y concentrar las apuestas en herramientas para desarrolladores y corporaciones. La compañía que hace dos años anunciaba que cambiaría la educación, la medicina y la creación audiovisual está, en la práctica, apostando fuerte por la productividad de código.

Lo que dice esto sobre el sector es más interesante que los nombres: cuando una compañía con 852.000 millones de dólares de valoración concentra sus recursos en una sola dirección, esa dirección merece atención.

Anthropic publicó Claude Opus 4.7 con la primera resolución de imagen alta de su catálogo.

El 16 de abril, Anthropic lanzó Claude Opus 4.7 con tres novedades que importan.

Primera: visión de alta resolución — la resolución máxima de imagen que el modelo puede procesar pasó de 1.568 a 2.576 píxeles, lo que lo hace útil por primera vez para analizar diseños detallados, documentos escaneados, gráficos densos y capturas de pantalla complejas. Segunda: un nuevo nivel de esfuerzo (”xhigh”) para tareas de agente que requieren razonamiento profundo y múltiples pasos. Tercera: salvaguardas de ciberseguridad integradas directamente en el modelo.

El precio no cambia — 5 dólares por millón de tokens de entrada, 25 por millón de salida — y la mejora en benchmarks de programación ronda el 13%.

El dato que resume la relevancia para usuarios reales: con 2.576 píxeles, el modelo puede leer una captura de pantalla de una hoja de cálculo densa o un documento de diseño y responder con precisión. Era uno de los cuellos de botella más frecuentes en flujos de trabajo concretos.

Salesforce convirtió toda su plataforma en infraestructura para agentes de IA.

Esta semana, Salesforce presentó Headless 360: una reconfiguración completa de su plataforma para que los agentes de IA puedan acceder a todos sus datos, flujos de trabajo y funciones sin necesidad de una interfaz gráfica. Cien nuevas herramientas lanzadas simultáneamente, accesibles vía API, MCP y CLI.

La idea detrás del concepto es simple y significativa: si los agentes de IA son los nuevos operadores de software, los productos deberían estar diseñados para agentes, no solo para humanos con pantallas. Salesforce está apostando por esto de forma explícita — y es la empresa de software empresarial más grande del mundo.

La categoría tiene nombre: “headless SaaS”. Productos que existen como APIs, sin interfaz de usuario. Hasta ahora era un nicho técnico. Con Salesforce apostando en esa dirección, deja de serlo.

Claude Code Routines: tareas de agente que corren solas, sin que tu ordenador esté encendido.

Anthropic publicó esta semana una previsualización de Claude Code Routines: la capacidad de definir una tarea una vez — con sus instrucciones, repositorio de código y herramientas conectadas — y que se ejecute de forma automática en la infraestructura de Anthropic, ya sea por programa horario o por un trigger de GitHub, sin necesidad de que el usuario esté presente.

Los casos de uso más frecuentes: revisión automática de código, generación de reportes periódicos, o ejecución de pruebas en producción al hacer un push. Todo ocurre en los servidores de Anthropic, no en el equipo del usuario.

El cambio conceptual relevante: hasta ahora, los agentes de IA requerían supervisión activa o al menos un ordenador encendido. Con Routines, la agencia pasa a ser infraestructura permanente. No es una función nueva — es una forma diferente de entender qué hace un agente de IA.

Claude para Word: IA en el sidebar de Microsoft Office con control de cambios.

En beta esta semana para planes Team y Enterprise: Claude integrado directamente en Microsoft Word. El funcionamiento: un sidebar desde el que puedes pedir a Claude que redacte un borrador, reescriba un párrafo, resuma el documento o ajuste el tono, y los cambios aparecen como revisiones con control de cambios activado, para que el usuario pueda aceptarlos o rechazarlos uno a uno.

No es el primer intento de IA en Office — Microsoft Copilot lleva meses integrado en Word — pero es la primera vez que Claude tiene acceso directo al entorno de edición de documentos más usado en empresa.

Para equipos que trabajan con documentos legales, contratos, propuestas comerciales y reportes donde el control de cambios es obligatorio, el flujo es claro: la IA redacta, el humano revisa. El flujo de trabajo no cambia. La velocidad sí.

Las señales de esta semana no se leen bien de forma aislada. En Amplify Premium trabajamos qué significan juntas y qué posición conviene tomar antes de que sean evidentes para todos.

Únete →

En profundidad:

Los expertos y el público no están mirando la misma IA

El Stanford AI Index se publica cada año. La edición 2026, presentada el lunes, es la más incómoda hasta ahora. No por los datos técnicos sino por lo que revelan sobre cómo percibe la IA la gente que no trabaja con ella.

El titular que más ha circulado: solo el 10% del público general está entusiasmado con la inteligencia artificial. Entre expertos en el campo, ese porcentaje es del 56%. Una brecha de 46 puntos entre las personas que construyen estos sistemas y las personas que los usarán — o que ya los usan sin saberlo.

Pero el dato más revelador no es la media global. Es la trayectoria de la Generación Z.

Hace doce meses, el 36% de los jóvenes entre 18 y 26 años expresaba entusiasmo ante el avance de la IA. En la edición de este año, ese porcentaje cayó al 22%. No es que la Generación Z nunca haya estado entusiasmada, lo estuvo más que cualquier otro grupo demográfico en 2023 y 2024. Es que lleva suficiente tiempo usando las herramientas reales como para haberse formado una opinión propia. Y esa opinión es más cautelosa de lo que el sector esperaba.

El índice también mide confianza en los gobiernos para regular la IA. El país con menor confianza a nivel global: Estados Unidos, con un 31%. Es decir, en el país donde están domiciliados la mayoría de los grandes laboratorios, menos de un tercio de la población confía en que el gobierno pueda gestionar bien lo que esos laboratorios producen.

¿Qué hace con esto alguien que trabaja con IA o que vende servicios relacionados con ella?

Primero, la brecha entre expertos y público no es un problema de comunicación que se resuelve con más divulgación. Es una brecha de experiencia. Los expertos ven lo que la IA puede hacer en condiciones ideales, con acceso completo y contexto técnico. El público experimenta lo que la IA hace cuando no funciona bien, cuando responde con confianza pero se equivoca, cuando el resultado es genérico o irrelevante. Ambas perspectivas son reales. El error es asumir que una invalida la otra.

Segundo, la desconfianza no está distribuida de forma uniforme. El informe distingue entre personas que usan IA de forma habitual y personas que no. Entre los usuarios habituales —aunque sean completamente no-técnicos— la percepción es significativamente más positiva. El problema no es la IA. Es la fricción de llegar a convertirse en usuario habitual. Ese umbral es mucho más alto de lo que la industria suele reconocer.

Tercero, para profesionales y empresas, esto tiene una implicación práctica inmediata: el cliente que tienes delante probablemente no comparte tu nivel de entusiasmo con las herramientas que usas. Esa diferencia de perspectiva no desaparece con un pitch ni con una explicación de las capacidades del modelo. Se acorta con experiencia directa —con demostraciones concretas, con casos de uso que resuelven un problema que el cliente ya tiene, con resultados que puede ver y tocar.

El índice de Stanford no predice el futuro. Pero documenta con rigor la distancia entre la realidad del sector y la experiencia del usuario final. En esa distancia hay trabajo que hacer — y alguien tiene que hacerlo.

Herramienta de la semana

Napkin AI

Qué es. Una herramienta web que convierte texto en visualizaciones. Escribes o pegas un párrafo explicando una idea, un proceso o una comparación, y Napkin genera automáticamente varias opciones visuales —diagramas, infografías, esquemas, gráficos de flujo. Seleccionas la que mejor se ajusta, ajustas colores, texto y estilo, y exportas en PNG, SVG o PDF.

Para quién es útil. Para consultores y asesores que crean materiales para clientes, profesionales que preparan presentaciones y quieren ilustrar conceptos complejos, emprendedores que comunican su propuesta de valor o modelo de negocio, y cualquiera que trabaje con ideas abstractas y necesite hacerlas visualmente comprensibles sin invertir horas de diseño.

Acceso. Gratuito en napkin.ai — la cuenta free incluye un número generoso de visualizaciones al mes. No requiere instalación. Funciona desde cualquier navegador.

Pregunta de la semana

El Stanford AI Index registra que los usuarios habituales de IA tienen una percepción significativamente más positiva que los no-usuarios. La diferencia no es ideológica ni generacional — es experiencial. La gente que usa las herramientas de verdad piensa de forma diferente sobre ellas.

¿Hay alguien en tu entorno — un cliente, un colaborador, un socio — cuya opinión sobre la IA podría cambiar si tuviera la experiencia correcta? ¿Y tienes algo concreto que podrías mostrarle esta semana?

Nos leemos la semana que viene.

— El equipo de Amplify

Suscríbete ahora

Compartir

El año pasado, Zapier subió sus precios entre un 20 y un 40% según el plan.

Fue un aviso de lo que pasa cuando construyes sobre herramientas que no controlas: un día llega un email, cambias al plan de precio nuevo casi sin pensarlo, y solo después te das cuenta de que en algún momento dejaste de decidir cuánto cuesta hacer funcionar tu negocio.

No es un problema de Zapier. Zapier tiene todo el derecho a cambiar sus precios. El problema es que la mayoría de la gente que trabaja con IA y automatización ha construido dependencias sin un inventario claro de qué depende de qué — y eso tiene un coste que solo se ve cuando algo cambia.

Read more

Te damos la bienvenida a Momentum

Alexandra y Edward, los fundadores de Amplify Media, comparten cada miércoles lo que están viendo y decidiendo en tiempo real. Patrones, errores, decisiones estratégicas: pensamiento en directo desde dentro de sus negocios y los de sus clientes.

Por Edward

La palabra más cara de tu negocio

Cuando empezamos, crecimiento significaba una sola cosa. Crecer.

Ese era el problema. Cuando una palabra no tiene distinciones dentro de ella, empiezas a tomar decisiones que parecen correctas, pero llegan en el orden equivocado.

Tal vez no estás listo. Tal vez algo necesita existir antes. Tal vez no puedes pagar el coste que exige ese tipo específico de crecimiento.

No era que las decisiones fueran malas. Era que la palabra era demasiado amplia para revelar cuál era la decisión real.

Con los años, construyendo y cerrando varios negocios, cuatro tipos de crecimiento se quedaron con nosotros. Cada uno es válido. Cada uno tiene su momento.

Los cuatro tipos de crecimiento

Crecimiento evolutivo. Mejoras lo que ya tienes. Haces tu oferta actual más fuerte, más refinada, más valiosa. Es lo que estamos haciendo ahora con nuestro programa híbrido para coaches ATHENA, combinando consultoría con coaching de IA. No inventas algo nuevo. Profundizas lo que ya funciona.

Crecimiento de activos. No persigues ingresos. Construyes activos que se componen con el tiempo: marca, audiencia, ecosistema. En nuestro caso, estamos construyendo una serie de libros para Amazon. Cuando ya tienes suficiente ingreso, muchas veces tiene más sentido construir algo que monetizarás después, algo que compone en lugar de consumir tu energía diaria.

Crecimiento lateral. Lanzas algo que vive al lado de lo que ya tienes. No reemplaza tu negocio principal, lo complementa. Así nació Velocity junto a la consultoría: dos ofertas trabajando al mismo tiempo, sirviendo al mismo mercado desde ángulos diferentes.

Crecimiento de ruptura. Entras en un espacio completamente nuevo. Es el movimiento que hicimos cuando pasamos de consultoría a plataforma de IA. No es una extensión de lo anterior, es una reconfiguración completa del negocio que eres.

El error que cuesta más caro

La mayoría de los emprendedores no elige el tipo equivocado. Eligen el tipo correcto en el momento equivocado.

El crecimiento de ruptura sin una base evolutiva sólida se derrumba. El crecimiento de activos sin estabilidad de ingresos te mata de hambre. El crecimiento lateral antes de que tu núcleo esté sólido diluye todo lo que ya tienes. Cada tipo tiene su momento. Saber en qué momento estás es la habilidad real.

Esto es lo que la palabra “crecimiento”, sin distinciones, te oculta. Todas las opciones se ven igual. Todas parecen urgentes. Y todas parecen la respuesta correcta cuando estás ansioso por avanzar.

Por qué esto importa ahora

La IA está reconfigurando mercados cada trimestre, no cada cinco años.

La decisión sobre qué tipo de crecimiento perseguir solía ser una pregunta de largo plazo. Ahora es una pregunta de noventa días. Y sin las distinciones, cada movimiento en la era de IA se siente urgente y todos parecen “crecimiento”, cuando en realidad algunos son movimientos de ruptura disfrazados de evolución, y otros son jugadas de activos pretendiendo ser ingresos.

El emprendedor que puede nombrar el tipo de crecimiento que está persiguiendo toma decisiones distintas al que simplemente quiere crecer.

La pregunta antes del movimiento

Antes de tu próximo movimiento, no preguntes cómo vas a crecer.

Pregunta qué tipo de crecimiento estás eligiendo, y si este es el momento correcto para ese tipo.

La respuesta a la segunda pregunta es la que suele evitar el error.

por Alexandra

Cuando tú necesitas parar y el negocio sigue

Esta semana escribo desde un momento difícil. No pretendo entrar en detalles porque este no es el sitio para ello, pero es de esos momentos que te obligan a replantearte muchas cosas.

Y hay algo que he aprendido y me gustaría compartir contigo hoy en esta Trinchera.

Como empresarios, todos pasamos por momentos donde la vida personal pesa y el negocio sigue exigiendo. Clientes que atender, lanzamientos que sacar, decisiones que tomar. El negocio no entiende de momentos difíciles, sigue exigiendo.

Y ante esto, el primer instinto es uno de dos: O desconectas del todo — y el negocio sufre. O te lanzas a la acción para no sentir — y tú sufres.

Lo que he aprendido en este proceso: La adaptación a los momentos difíciles no es instantánea. Tiene capas.

La primera exposición es agonía. Inicialmente no puedes funcionar. Y está bien. Pero después, algo cambia. No es que deje de doler, es que desarrollas la capacidad de operar dentro del dolor.

La distinción que a mí me ayudó

• Desconexión: “No siento nada, sigo adelante” — el dolor se acumula y explota después.

• Parálisis: “No puedo hacer nada” — el negocio y tú os resentís.

• Integración: “Sigue doliendo Y puedo funcionar dentro del dolor” — el dolor tiene su espacio y el negocio tiene el suyo.

Esto no es fortaleza bruta. Es aprender a estar presente en cada contexto con lo que ese contexto requiere, sin que uno destruya al otro.

Mi Metodología desde la Trinchera — Operar en momentos difíciles:

1. Reduce a lo imprescindible. No es momento de optimizar ni de lanzar cosas nuevas. ¿Qué tiene que salir sí o sí? Solo eso. Lo demás puede esperar unos días.

2. No llenes el día de acción para no sentir. La acción excesiva es huida disfrazada de productividad. Dale espacio a lo que necesita espacio.

3. Mantén los canales que importan. Las conversaciones con tu equipo, tu socio, tu familia. No tienes que estar al 100%, pero mantén el canal abierto.

El negocio aguanta más de lo que crees. Una semana en modo mínimo no lo destruye.

Lo que sí puede afectarte es no darte permiso para estar donde necesitas estar.

Porque al final del día, en los negocios y también en la vida, saber estar es más importante que saber hacer.

Suscríbete ahora

Compartir

Claude Mythos.

Esta semana ha descubierto miles de vulnerabilidades en todos los principales sistemas operativos y navegadores del mundo.

Anthropic ha decidido no publicarlo. Porque funciona demasiado bien.

El resto de la semana: OpenAI publicó un documento proponiendo que los gobiernos graven con impuestos los robots que la propia compañía construye, Meta reapareció con un nuevo laboratorio y su primer modelo, y una encuesta reveló que la mitad de los consumidores preferiría comprar en marcas que no usan IA en su contenido.

No ha sido una semana tranquila.

Suscríbete ahora

Latidos de la semana

Anthropic construyó el modelo más peligroso de la historia y decidió no publicarlo

A principios de esta semana, Anthropic reveló públicamente los detalles de Claude Mythos —su modelo más avanzado— y anunció al mismo tiempo que no lo pondrá a disposición general.

El motivo: en pruebas internas, el modelo demostró una capacidad para explotar vulnerabilidades de software sin precedentes. En la generación de exploits para Firefox, Claude Opus 4.6 logró 2 ataques funcionales en cientos de intentos. Mythos logró 181.

En lugar de publicarlo, Anthropic creó el Proyecto Glasswing: un programa de acceso restringido a 12 empresas —entre ellas Amazon, Apple, Cisco, CrowdStrike, Google, Microsoft y NVIDIA— para usar Mythos específicamente en tareas de ciberseguridad defensiva. La compañía aporta 100 millones de dólares en créditos de uso y 4 millones en donaciones a organizaciones de seguridad de código abierto.

El dato que resume la escala del salto: “Mythos es a Opus lo que Opus es a Sonnet.” Por primera vez, un laboratorio ha desarrollado un modelo y tomado la decisión pública de no publicarlo. La decisión es tan significativa como el modelo en sí.

Ahora cualquiera puede desplegar agentes propios en la nube de Anthropic

Esta semana entró en beta pública Claude Managed Agents, el servicio de Anthropic que permite a cualquier desarrollador —o empresa— construir y desplegar agentes de IA directamente desde la consola de Claude, sin necesidad de gestionar la infraestructura. El funcionamiento: defines las tareas, herramientas y límites del agente; Anthropic se encarga del resto.

Entre los primeros casos en uso real: Notion está usando Managed Agents para construir una función de “delegar tarea a Claude” directamente desde su interfaz. Los agentes soportan sesiones largas, coordinación entre múltiples instancias y escenarios de producción real.

El cambio práctico es relevante: hasta ahora, construir un agente de IA que funcionara de forma fiable en producción requería un equipo técnico. Managed Agents no elimina la curva de decisión —qué delegar, cómo definir los límites, cómo verificar— pero sí elimina una parte importante de la barrera técnica para llegar ahí.

Meta volvió al mapa con un nuevo laboratorio y su primer modelo

Meta Superintelligence Labs, el nuevo laboratorio creado por Mark Zuckerberg y dirigido por Alexandr Wang —ex CEO de Scale AI— publicó esta semana su primer modelo: Muse Spark. Según la compañía, reconstruyeron toda la infraestructura de IA desde cero para desarrollarlo, incluyendo nuevas arquitecturas y pipelines de datos.

En benchmarks independientes, Muse Spark se sitúa entre Claude Sonnet 4.6 y Opus 4.6 — por debajo de los modelos líderes de Google, OpenAI y Anthropic, pero por delante de lo que Meta había publicado hasta ahora. El acceso vía API está confirmado para próximas semanas, y Zuckerberg ha prometido una versión de código abierto, aunque sin fecha concreta.

La mitad de los consumidores prefiere marcas que no usan IA en su contenido

Una encuesta de Gartner publicada esta semana midió algo que pocas empresas han querido cuantificar: cuántos consumidores tienen activamente preferencia por marcas que no usan inteligencia artificial generativa en su publicidad, mensajes o contenido. La respuesta: aproximadamente el 50%.

La cifra ha activado un segmento de mercado que no existía hace dos años. Aerie, Equinox, Almond Breeze y Polaroid han convertido el “sin IA” en estrategia de comunicación explícita. “Hecho por humanos” está tomando el mismo espacio que en su momento ocuparon “orgánico”, “sin OGM” o “artesanal”.

Gartner resume la lección con precisión: “los equipos de marketing deberían tratar GenAI como una decisión de confianza, no solo tecnológica.” El umbral no está donde muchas empresas asumen que está.

Google AI Overviews: el 10% de error son millones de respuestas falsas por hora

Un estudio del New York Times publicado esta semana analizó la tasa de precisión de los resúmenes generados por IA en las búsquedas de Google (los bloques que aparecen en la parte superior de los resultados antes de los enlaces). El resultado: aciertan aproximadamente el 90% de las veces.

El número parece razonable hasta que se calcula a la escala de Google. Con 5 billones de búsquedas al año y una tasa de error del 10%, las respuestas incorrectas se cuentan en decenas de millones por hora. Cada una de ellas aparece con el mismo formato, el mismo tono de autoridad y el mismo diseño visual que una respuesta correcta.

El estudio identificó tres fuentes principales de error: el uso de Facebook y Reddit como referencias (los puestos 2 y 4 en la jerarquía de fuentes del sistema), la citación de páginas que no respaldan la afirmación que se atribuye a ellas, y la generación de síntesis incorrectas de información factual. Ninguno de estos errores es visible para el usuario en el momento de recibir la respuesta.

Confianza visual y precisión real son dos variables distintas. Los sistemas de IA están optimizados para la primera.

Estas señales no se entienden mejor de forma aislada. En Amplify Premium trabajamos cómo leerlas juntas y qué posición estratégica tomar antes de que sean obvias para todo el mundo.

Únete →

En profundidad:

La empresa que construye la automatización ya sabe lo que va a pasar

El lunes de esta semana, OpenAI publicó un documento de 13 páginas titulado Industrial Policy for the Intelligence Age.

Habría pasado relativamente desapercibido si no fuera por lo que propone: un impuesto sobre los sistemas automatizados equivalente al que pagarían los trabajadores humanos que reemplazan, un fondo de riqueza pública financiado en parte por las propias empresas de IA, pilotos obligatorios de una semana laboral de 32 horas sin reducción salarial, y mecanismos de activación automática para programas de asistencia social cuando la tasa de desplazamiento laboral por IA supere ciertos umbrales.

Lo notable no es el contenido de las propuestas. Lo notable es quién las hace.

OpenAI es la compañía que con mayor velocidad e inversión está construyendo los sistemas que automatizarán trabajo humano a escala. Que sea la misma compañía la que propone a los gobiernos cómo amortiguar el impacto de esa automatización no es una contradicción accidental. Es una señal de lo que esperan que ocurra.

Las empresas no elaboran propuestas de política pública sobre problemas que consideran hipotéticos. Lo hacen cuando el problema es suficientemente real y suficientemente próximo como para que la conversación pública sea inevitable. El timing —con OpenAI a meses de su posible salida a bolsa y con una valoración de 852.000 millones de dólares— añade una capa estratégica obvia: llegar primero al debate regulatorio es siempre mejor que reaccionar a él.

Pero más allá de la lectura cínica, el documento dice algo que merece tomarse en serio: los efectos de la automatización sobre el mercado de trabajo van a ser lo suficientemente severos como para requerir nuevas estructuras económicas. No reformas marginales. Eso no lo dice una ONG. Lo dice la compañía que lidera el proceso.

¿Qué implica esto para alguien que gestiona una empresa, una consultoría o un equipo de trabajo?

Primero: que el horizonte temporal es más corto de lo que muchos planifican. Las propuestas de política pública no se elaboran para efectos a veinte años. Se elaboran para efectos que se verán en el próximo ciclo electoral. OpenAI no está pensando en 2045. Está pensando en 2027 y 2028.

Segundo: que la pregunta relevante no es “¿me afectará la automatización?” sino “¿en qué lado de la ecuación estará mi negocio?” Hay negocios que se benefician directamente del desplazamiento de trabajo (porque lo automatizan, lo median, o lo facilitan). Hay negocios que necesitarán protección de él. La diferencia entre los dos no es una cuestión de tamaño o sector: es una cuestión de posicionamiento deliberado.

Tercero: que el mercado “hecho por humanos” —que ya representa la preferencia del 50% de los consumidores según el estudio de Gartner que vimos esta semana— es también una señal de la misma dinámica. La automatización crea su propio contramovimiento. Para algunos negocios, ese contramovimiento es la oportunidad.

Las propuestas de OpenAI pueden o no convertirse en política real. Pero el hecho de que existan, y de que vengan de quien vienen, es en sí mismo un dato que dice algo sobre lo que viene.

Herramienta de la semana

Canva Magic Layers

El problema que resuelve. Te llega un diseño —un cartel, un flyer de evento, una imagen de marketing— y necesitas cambiar la fecha, el precio o el texto. Pero no tienes el archivo original. Solo tienes la imagen plana. Hasta ahora, la única opción era rehacerlo desde cero o pedir el archivo a quien lo diseñó.

Qué es Canva Magic Layers. Una función dentro de Canva que analiza cualquier imagen que subas y la descompone automáticamente en capas editables: texto por un lado, objetos e ilustraciones por otro, fondo por otro. El sistema detecta los elementos visuales y los separa sin que tengas que hacer nada. Una vez procesado, puedes hacer clic en cualquier elemento — una fecha, un titular, un precio — y editarlo directamente.

Para quién es útil. Para cualquiera que trabaje con materiales visuales que recibe en formato imagen: consultores que adaptan materiales de sus clientes, equipos de marketing que actualizan campañas existentes, emprendedores que gestionan su propia comunicación sin equipo de diseño.

Pregunta de la semana

El estudio de Gartner dice que la mitad de los consumidores prefiere marcas que no usan IA en su contenido. No el 5%. No una minoría vocal en redes. La mitad.

Eso no significa que tu negocio deba abandonar las herramientas que ya usa. Significa que hay una decisión de posicionamiento que vale la pena tomar de forma consciente, no por defecto.

¿Sabes en qué lado está tu negocio? ¿Y lo sabes porque se lo has preguntado a tus clientes, o porque lo has asumido?

Nos leemos la semana que viene.

— El equipo de Amplify

Suscríbete ahora

Compartir

Deja un comentario