Libro Nunca te pares de Phil Knight

Un joven con una idea y 50 dólares prestados

Phil Knight es un norteamericano del estado de Oregon, justo al norte de California. Estudió periodismo en la Universidad de Oregon, donde practicaba mucho atletismo bajo la dirección de su entrenador —y más tarde socio— Bill Bowerman. Después hizo un MBA en Stanford, donde desarrolló, como trabajo de curso, la idea de un emprendimiento: importar zapatillas deportivas desde Japón.

¿Cuántas grandes empresas no nacieron así, como un ejercicio académico que alguien decidió tomarse en serio?

Le pidió un préstamo de 50 dólares a su padre y partió con un amigo a dar la vuelta al mundo, con la excusa de pasar por Japón y ofrecerse como representante de las zapatillas Tiger de Onitsuka Co. Les dijo a los japoneses que era representante de la firma Blue Ribbon Sports, que en ese momento no existía. Lo logró, y al volver a Estados Unidos comenzó su emprendimiento.

Un viaje que terminó solo

Ese viaje no lo inició solo Phil Knight, sino con su amigo de Stanford, Carter. Hicieron una parada en Hawái, donde se quedaron trabajando un tiempo. Ahí Carter conoció a una mujer de la que quedó prendado y decidió no continuar. Phil llegó a Japón solo y siguió solo el resto de la vuelta al mundo: Hong Kong, Filipinas, Tailandia, Vietnam, India, Nepal, Kenia, Egipto, Israel, Turquía, Italia, Francia, Alemania, Austria, Grecia e Inglaterra.

Fue en Grecia, visitando la Acrópolis, donde vio el templo de Atenea Niké, la diosa griega de la victoria. ¿Sabría entonces que ese nombre terminaría definiendo el resto de su vida?

Blue Ribbon Sports y los primeros pasos

En 1964, Phil y Bill Bowerman crean la sociedad Blue Ribbon Sports, con un aporte de aproximadamente 500 dólares cada uno. El primer pedido fue de 300 pares de zapatillas Tiger. Phil vendía personalmente, yendo a las competencias de atletismo en su auto, con las zapatillas en el maletero.

El primer empleado fue Jeff Johnson, otro atleta que había conocido en Stanford. Vendía igual que él, en los eventos deportivos, y fue quien años más tarde propuso el nombre Nike para la empresa —un nombre que había soñado—. Otra contratación relevante fue Bob Woodell, atleta entrenado también por Bowerman, que más tarde sería el primer COO de la compañía. Las primeras contrataciones fueron todas así: atletas y corredores que entendían el deporte porque lo vivían.

La empresa que crecía más rápido de lo que el banco toleraba

Un aspecto notable del desarrollo de la empresa de Phil Knight son sus frecuentes problemas con el banco, producto de un crecimiento rápido y de una falta de capital de trabajo adecuado. El banco veía poco patrimonio, poca caja y deuda creciente.

En 1971, el First National Bank of Oregon le cortó el financiamiento para las cartas de crédito que necesitaba para importar desde Japón. Knight salió a buscar un nuevo banco y lo encontró en el Bank of California. Fue por esa época que apareció una trading company japonesa, Nissho Iwai, que entendió el problema de Blue Ribbon y se convirtió en un pulmón financiero clave.

En 1975 debieron pagar una deuda importante con Nissho, para lo cual vaciaron las cajas de todos sus locales y empezaron a tener rebotes de cheques. El Bank of California les cortó el financiamiento y llamó al FBI por sospecha de estafa.

¿Cuánta innovación real nace justo en ese borde, entre la audacia y el desastre?

El nacimiento de una marca propia

La presión de los pedidos crecientes a Onitsuka fue deteriorando la relación. Phil entendió que no podían seguir dependiendo de un solo proveedor extranjero y decidieron fabricar sus propias zapatillas, bajo su propia marca.

Fue la diseñadora Carolyn Davidson, a quien había conocido en la universidad, quien diseñó el logo de Nike, el ya célebre "swoosh". Le pagó por ese trabajo 35 dólares. Corría el año 1972. Poco después, Phil Knight rompió con Onitsuka y se lanzó de lleno con su propia marca y su propia producción. En esa innovación, el aporte de Bill Bowerman como socio fue fundamental.

De 50 dólares a 32.000 millones

Cuando Phil Knight publicó este libro, en 2016, Nike tenía más de 50.000 empleados y había pasado de 30.000 a 32.000 millones de dólares en ventas anuales, con contratos de fabricación en más de 140 fábricas repartidas en 15 países.

Hoy entiendo que Nike está pasando por serios aprietos, llevando adelante medidas de ajuste estratégico, con ventas anuales por sobre los 46.000 millones de dólares y una planilla de 73.000 empleados a nivel global.

¿Será que toda gran historia empresarial está condenada a repetir, tarde o temprano, la misma tensión entre crecer y sobrevivir con la que empezó?

¿Quién condujo la creación de esto?

Hace unos días me quedé dando vueltas a una pregunta que aparece cada vez con más frecuencia en mis conversaciones: ¿quién es el autor de un texto escrito con ayuda de una inteligencia artificial?

La pregunta parece técnica. No lo es. Es una pregunta sobre qué significa crear, y por lo tanto sobre qué significa ser alguien que tiene algo que decir.

Autoría no es producción material

Empecemos por una distinción que me parece básica y que sin embargo olvidamos con facilidad: autoría no es lo mismo que fabricar cada pieza con las propias manos.

Un director de cine es autor de una película aunque no opere la cámara, no componga la música, no cosa el vestuario ni pronuncie una sola línea de diálogo. Un arquitecto es autor de una casa levantada por cientos de manos que no son las suyas.

¿Qué los hace autores, entonces? Sostienen una intención. Toman decisiones. Responden por el resultado.

Con la IA ocurre algo parecido, aunque más desconcertante, porque la máquina entra justamente en el territorio que considerábamos más íntimo: las ideas y las palabras.

La pregunta cambia de forma

Creo que "¿quién escribió esto?" va a ir perdiendo interés. Y que en su lugar aparecerá otra mucho más reveladora:

¿Quién condujo la creación de esto?

Pienso en cómo trabajo yo. Traigo una intuición nacida de una conversación, de una lectura, de una sesión de coaching. Le digo a la IA: hay algo aquí, ayúdame a pensarlo. Ella me propone tres interpretaciones. Una me incomoda, otra me parece trivial, la tercera abre una puerta que yo no había visto.

Yo atravieso esa puerta. Después corrijo, elimino, incorporo una experiencia propia, pregunto por un filósofo, rechazo una analogía, encuentro otra mejor, reorganizo el argumento y finalmente digo: esto expresa lo que quiero decir.

¿De quién es ese texto?

Para mí la pregunta decisiva no es cuántas palabras puse yo y cuántas puso la máquina. Es otra: ¿quién decidió qué merecía permanecer? ¿Quién le dio dirección y sentido? ¿Quién está dispuesto a poner su nombre debajo y responder por lo dicho?

Los cuatro verbos

Si tuviera que resumir la autoría que viene, la apoyaría en cuatro verbos: originar, conducir, discernir y hacerse responsable.

Originar una inquietud que sea realmente tuya. Conducir el proceso en vez de delegarlo. Discernir entre lo que la máquina propone, que es la parte más exigente y la que menos se nota. Y hacerse responsable por la obra terminada.

Ese último verbo me parece el más importante de todos. El botón "Generar" no puede cargar con ninguna responsabilidad. Tú sí.

Pero hay una trampa

No toda colaboración con IA convierte automáticamente a alguien en autor.

Si alguien escribe "hazme una novela sobre un hombre que pierde la memoria", recibe doscientas cincuenta páginas, las hojea y las publica con su nombre, su autoría creativa es, como mínimo, muy débil. No hubo intención sostenida, no hubo discernimiento, no hubo nada que responder.

En cambio, si una persona pasa meses conversando, construyendo personajes, rechazando caminos, introduciendo recuerdos propios, cambiando estructuras, reescribiendo escenas y preguntándose qué quiere realmente decir, estamos frente a otra cosa completamente distinta.

La diferencia no está en la herramienta. Está en cuánto de uno mismo se puso en juego.

Voces que estaban mudas

Hay algo que me entusiasma en todo esto, y es que la IA va a ensanchar enormemente el territorio de quienes pueden crear.

Durante siglos hubo millones de personas con historias extraordinarias que jamás escribieron un libro, no porque no tuvieran qué decir, sino porque escribir bien era una barrera técnica demasiado alta.

Hoy una mujer de ochenta y dos años puede contar oralmente su infancia, discutir esas historias durante meses con una IA, reconstruir episodios, organizar capítulos, cuestionar sus propios recuerdos y terminar dejándoles a sus nietos un libro que sola jamás habría podido producir.

¿Es menos valioso porque necesitó ayuda?

Yo diría que lo que estamos presenciando es la caída radical del costo de convertir una experiencia interior en una obra exterior. Eso va a producir muchísimo material mediocre, inevitablemente. Pero también va a liberar voces que hasta ahora permanecían mudas.

Lo que se vuelve escaso

Y aquí aparece la paradoja que más me interesa.

Cuando la máquina puede producir diez alternativas en segundos, escribir deja de ser el recurso escaso. Lo escaso pasa a ser tener algo que decir.

Por eso sospecho que mientras mejores sean las máquinas escribiendo, más importantes se volverán las preguntas profundamente humanas: ¿qué me importa? ¿Qué he vivido? ¿Qué quiero comprender? ¿Qué quiero decir? ¿Qué estoy dispuesto a sostener como mío?

Esto conecta directamente con algo que vengo trabajando en mi práctica: la autoría se desplaza parcialmente desde escribir las respuestas hacia hacerse responsable de las preguntas, de las elecciones y del sentido.

El arquitecto y los ladrillos

Quizás dentro de algunos años decir "este libro lo escribí completamente solo" resulte tan curioso como si hoy un arquitecto declarara con orgullo: "y además puse personalmente todos los ladrillos".

La IA no mata al autor. Puede estar obligándonos a descubrir que ser autor nunca consistió simplemente en poner palabras sobre una página. Consistía en hacerse cargo de una mirada sobre el mundo.

Y entonces te dejo la pregunta: de todo lo que has creado en tu vida, ¿qué estarías dispuesto a firmar hoy y sostener como tuyo?

Libro Parásitos de la Argentina de Marcos Ayerra

Leyendo este libro de Marcos Ayerra tuve una sensación extraña: la posibilidad de un estallido social visto desde otro ángulo. No el de las consignas ni las movilizaciones, sino el de los miles de abusados por los parásitos múltiples que hay en cada país, en este caso en Argentina.

Una metáfora personal que se vuelve país

El autor tuvo una experiencia de salud que lo marcó. Siendo un tipo sano y deportista, empezó a decaer sistemáticamente, sin explicación, hasta que un buen médico detectó que tenía parásitos. Supo del remedio, lo aplicó, y poco a poco se fue sanando por completo.

De eso trata el libro: de la enfermedad de Argentina, producto de siete parásitos que Marcos Ayerra identifica y recorre a lo largo de sus páginas. ¿No es notable que un país entero pueda describirse con la misma lógica que un cuerpo enfermo?

La industria del juicio

El primero lo conozco de cerca, aquí en Chile, aunque el libro lo describe como la mafia judicial argentina. Un empleado de ingreso reciente a una empresa es despedido por pillarlo robando. Este demanda a la empresa, con un abogado elegido ad hoc, en un tribunal también ad hoc, por una suma exorbitante. Y gana el juicio.

Recuerdo a un amigo mío que pilló a un empleado robando salmones. Le descerrajaron el locker y ahí estaban, varios salmones. Lo despiden y él demanda. Gana el juicio con jugosos dividendos, por el indebido procedimiento de forzar un recinto privado. Recuerdo la furia de mi amigo, e imagino las decisiones que tomó después, ninguna a favor de seguir siendo empresario.

Gremios, impuestos y prebendas

Después vienen los excesos gremiales: sindicatos fuertes que se nutren de una caja basada en aportes no menores de los empleados, sin preguntarles nunca si querían pertenecer o no. Alianzas entre políticos y dirigentes gremiales poderosos, que usaban ese poder para movilizar gente a favor de esos mismos políticos.

Y las prebendas, ese entramado de favores y privilegios que el Estado reparte entre unos pocos mientras el resto paga la cuenta.

Después está la carga impositiva. Argentina sostiene más de 140 impuestos, tasas y contribuciones entre nación, provincias y municipios, aunque solo seis de ellos concentran cerca del 85% de toda la recaudación. ¿Para qué sirven entonces los más de 130 restantes, salvo para justificar burocracia y desincentivar el trabajo formal? Sería tan fácil eliminarlos.

La burocracia absurda

Para importar cualquier cosa hay que obtener la firma de algún funcionario. Terreno fértil para la corrupción. Y por otro lado, burocracias que pretendían proteger a empresarios locales, de manera que no tuvieran competencia extranjera. Todo este tipo de trabas está siendo atacado por el nuevo gobierno de Milei.

La informalidad como síntoma

Me llamó especialmente la atención el ataque a la informalidad. Un número no menor de personas que trabajan en empresas lo hacen de manera informal, eludiendo así el pago de impuestos y sus aportes al sistema de salud y de jubilación. El número de informales en Argentina es monumental, y de ahí las pésimas jubilaciones y la pobreza extendida.

¿Quién paga estos costos?

Todos estos costos dificultan el arranque del país, el camino de vuelta a lo que alguna vez fue: uno de los más ricos del mundo. Y los culpables de todo esto, la propagada corrupción nacional, son los que Ayerra llama parásitos, sembrados y multiplicados por gobiernos de izquierda y gobiernos populistas por igual.

Claro que hace falta un estallido social, pero no el de siempre. Uno que venga de ese mar de gente sin poder, resignada, acostumbrada a soportar estas malas prácticas.

¿Será Milei la solución?

Libro El desborde de Eugenio Tironi

El país que no vimos venir

El estallido social que ocurrió en Chile el 18 de octubre de 2019 (18-O) fue un evento inesperado, violento, de amplio espectro, que nos remeció a todos.

No lo esperábamos, está claro. El presidente llegó a decir que estábamos siendo atacados por poderes externos, en aquella frase que ya quedó en la memoria colectiva: "estamos en guerra contra un enemigo poderoso, implacable, que no respeta a nada ni a nadie". El desconcierto era total, desde abajo hasta el más alto nivel.

Eugenio Tironi publica este libro a principios de marzo de 2020, muy poco después del estallido. Y en él intenta entender qué pasó.

Una explicación que no se conforma con una sola causa

Me llama la atención la complejidad que despliega Eugenio Tironi. La cosa es multidimensional. ¿Cómo reducir a una sola causa algo que se venía gestando por tantos frentes distintos? Los intérpretes monocausales están, sin duda, equivocados.

Tironi recurre a muchos autores a nivel global que analizan fenómenos parecidos ocurriendo en muchos lugares, dejando la sensación de que lo que pasaba aquí no era un fenómeno local, sino una expresión bastante global.

El fin de la promesa meritocrática

Un hecho concreto: la baja en el crecimiento y en la productividad. El producto interno bruto viene cayendo de un rango de 5 a 7 % de crecimiento anual, a uno de 2 a 4 %, llegando incluso al 0,6 %.

Esto deshace la expectativa de la meritocracia, es decir, la idea de que si trabajas duro, lograrás lo que sueñas. Eso empieza a no cumplirse. Y genera una frustración fuerte y transversal. El malestar.

El Modelo y la soledad del individuo

Hay un sistema de pensamiento instalado que justifica las diferencias de ingresos y riqueza: el llamado Modelo. Se centra en un eje fundamental en lo económico, el mercado como el gran regulador, con precios libremente fijados que guardan una información que un Estado nunca es capaz de recopilar.

Y está también el individualismo y el fin de los movimientos masivos. El marxismo, la socialdemocracia y el social cristianismo sucumben ante esta lógica. La lucha de clases se evapora. Cada persona pasa a ser responsable y culpable de su propio éxito o fracaso.

¿Qué le queda entonces a quien fracasa, si ya no hay a quién culpar más que a sí mismo? De ahí que el estallido provocó la congregación de miles de hombres y mujeres reducidos a la soledad de la nada, que al ser parte de esta masa que se congrega, sienten algo muy especial de pertenencia, de ser parte de algo significativo. Aunque lo que persigan sea quemarlo todo, ya es un sentimiento fundamental muy valorado.

El empoderamiento femenino y el fin de la deferencia

Un factor esencial en todo esto es el empoderamiento de la mujer, la revolución feminista, que es un fenómeno global de gran importancia en nuestra época.

La educación ensanchada que hemos vivido transforma la idea de sí mismo que la gente tiene. En Río de Janeiro, cuando un carabinero detiene a alguien por exceso de velocidad, por ejemplo, y este le dice "usted sabe a quién está tratando", el carabinero se cohíbe y lo deja ir.

Esto ya no pasa en Argentina, y tampoco en Chile. La respuesta que se viene imponiendo es otra: "y a mí qué me importa".

Los airbags que dejaron de proteger

Tironi llama "los airbags" a instituciones como la Iglesia, los gremios y los partidos políticos, que han perdido su peso y prestigio social.

La Iglesia, por los abusos sexuales y la forma en que la institución los escondió —y con ello los protegió—, dañó gravemente su prestigio. Los partidos políticos dejaron de representarnos y se transformaron en máquinas de empleo y asignación de cargos, de una tribu preocupada solo de autosustentarse en sus posiciones de privilegio.

Los fraudes de las grandes empresas, como el del papel confort de una papelera que gozaba del mejor prestigio de Chile, se fueron al carajo. Lo mismo con las farmacias y los pollos. Y el financiamiento de los políticos a cambio de prebendas fue dañándolo todo. Mal también los empresarios.

¿Cómo no iba a estallar algo, cuando incluso los referentes de la élite recomendaban hacer bingos para financiar el arreglo del techo de una escuela, o levantarse más temprano para lidiar con el aumento de las tarifas del transporte? Y para rematar, aquel empresario que intentó echar a unas bañistas de "su" playa —siendo abogado, y por ello mejor conocedor de las leyes— se viralizó rápidamente en las redes sociales.

Lo que vino después

Al final, el estallido social estaba cantado. Lo que siguió, el acuerdo del 15 de noviembre para ir por el cambio de la Constitución, fue un acto genial. Aparte, el encierro de la pandemia fue un factor no menor.

Tironi recomienda descartar medidas violentas contra el estallido y, más bien, dejarlo evolucionar: esa energía se irá consumiendo sola. Surfear la ola, se podría decir, en vez de intentar detenerla. Y reflexionar sobre lo que está pasando.

Lo que vino después ya lo sabemos, y Tironi no lo sabía cuando escribió el libro. Al parecer esa energía rabiosa se calmó. ¿Sigue por ahí escondida, esperando su momento, o simplemente se apagó de pura desazón?

Un libro importante, escrito con la lucidez y el profesionalismo de un intelectual como Eugenio Tironi.

¿Tú qué crees: la rabia del 18-O se transformó en algo nuevo, o simplemente quedó dormida esperando la próxima chispa?

Un ERP antes de que existiera esa palabra

Hace poco tuve en mis manos un documento fechado en mayo de 1975: una propuesta comercial escrita por Dabor Domic para Manufacturas Orlando S.A.C.I. Cincuenta años después, esa misma lógica de diseño terminó convirtiéndose en un sistema que hoy se llama DADO y que opera en 18 clientes, a plena satisfacción. Leerlo hoy es una experiencia extraña: es como encontrar el plano de una casa que todavía no se ha terminado de construir, pero que ya lleva medio siglo habitada.

¿Qué se puede aprender de una propuesta comercial de hace cincuenta años? Bastante más de lo que uno esperaría.

Una idea que no necesitaba tecnología nueva, sino claridad

En 1975 no había bases de datos relacionales ni mucho menos nube. Había tarjetas perforadas, cintas magnéticas y procesamiento por lotes. Y sin embargo, ahí ya estaba la idea central de lo que hoy llamamos un ERP: que una empresa no es una colección de departamentos aislados, sino un organismo donde sueldos, producción, existencias e inventarios deberían hablar entre sí.

Lo que me llama la atención no es la tecnología —obsoleta, por supuesto— sino la arquitectura del pensamiento. Domic ya distinguía operaciones que hoy llamaríamos Crear, Leer, Actualizar y Eliminar, codificadas en letras simples: A de agregar, M de modificar, S de calcular sueldo, T de eliminar. El CRUD, avant la lettre.

¿No es curioso que las categorías fundamentales de cómo organizamos la información cambien tan poco, aunque las herramientas cambien todo el tiempo?

La fábrica como ecuación

Otra cosa que me sorprendió fue el salto que da el documento hacia la ingeniería de producción. No se conformaba con automatizar papeleo: proponía un modelo matemático de la fábrica completa, con sus seis secciones —cueros, corte, aparado, suela, armado, envase— traducidas a restricciones y ecuaciones de flujo.

Una sección no puede procesar más de lo que recibe de la anterior. El tiempo disponible en cada sección pone un techo real a lo que se puede fabricar. Y sobre esa base, la gerencia podía elegir su objetivo: minimizar tiempo ocioso, minimizar bodegaje, o acortar el calendario total de fabricación.

Es un gemelo digital de la fábrica, cuarenta años antes de que ese término se pusiera de moda.

Confianza, no solo control

Hay un detalle que me parece más humano que técnico. El sistema detectaba desviaciones —piezas que no cuadraban, cuero que rendía menos de lo esperado— pero el documento insiste en que debía ser transparente para el trabajador, que pudiera verificar sus propios registros.

¿Cuántos sistemas de control que diseñamos hoy, con toda la potencia de la inteligencia artificial, siguen olvidando ese detalle? Se puede construir vigilancia, o se puede construir confianza. La diferencia no está en la tecnología, está en la intención con que se diseña.

Un ciclo, no una línea

Lo que más resuena conmigo, quizás porque es también la lógica que aplico en mi trabajo de coaching, es que el sistema no terminaba en un reporte. Domic diseñó un ciclo cerrado: información, decisión, acción, retroalimentación. Los resultados de la producción volvían a alimentar el próximo ciclo de planificación.

Eso es exactamente lo que distingue a un sistema vivo de un archivo muerto. Los datos por sí solos no sirven de nada si no vuelven a entrar en la conversación.

Lo que no cambió en cincuenta años

El documento cierra con una idea que podría haber sido escrita hoy mismo, en plena discusión sobre inteligencia artificial: el valor del computador no está en el cálculo en sí, sino en su capacidad de ampliar la comprensión y la capacidad de actuar del ser humano.

Cincuenta años, un cambio radical de tecnología, y el mismo principio de fondo. La tarjeta perforada se convirtió en formulario digital, el archivo maestro en base de datos, el procesamiento por lotes en tiempo real. Pero la pregunta esencial —para qué sirve toda esta información, a quién sirve— sigue siendo exactamente la misma.

¿Será que las herramientas que usamos importan menos de lo que creemos, y lo que realmente importa es la claridad con la que entendemos el problema que queremos resolver?

Coaching de las Preguntas en la Era de la IA

Propuesta de servicio

El punto de partida

Siempre que traigo el dato de una nueva serie, Andrea, mi mujer, me pregunta: ¿Quién te la dio?

Para ella eso es importante. Y tiene razón.

Las preguntas tienen dueño. No es lo mismo una pregunta tuya que una pregunta de cualquier otro.

En la era de la IA, SABER no será tener las respuestas de preguntas memorizadas. SABER será tener preguntas — tener las propias preguntas, aquellas que habitas, aquellas de las que te haces responsable.

Por qué esto importa ahora

Somos seres cuánticos, de alta complejidad. Lo que nos pasa, lo que experimentamos, no se puede replicar. No se puede reducir a datos ni a información — la materia prima de la IA. Si lo hacemos, eso que decimos de nuestra interioridad es una degradación.

Es como el electrón, que es el resultado de lo que los cuánticos llaman el colapso de la onda que en verdad es algo que mejor describe una probabilidad.

Somos el observador del mundo. Y además somos observadores particulares (Maturana): cualquier otro observa un mundo distinto. Dicen que en el acto de observar estamos creando el mundo, estamos creando la realidad. Somos co-creadores de la realidad.

Por eso la ciencia no puede seguir excluyendo al observador de lo observado — algo que aún no sabe hacer. Son solo los cuánticos quienes han aprendido que cuando hay un observador, el resultado del experimento cambia. Y no entienden bien por qué.

Cuáles son tus preguntas será lo importante en la era de la IA. Yo te ayudo a encontrarlas. Están por ahí, dentro tuyo.

El servicio

1. Coaching de las Preguntas

Te ayudo a buscar tus propias preguntas. Aquellas en que estás, o estarás, enfocado, dirigido, en tu vida. Preguntas que dan tu norte, preguntas que te orientan, preguntas que te dan la pauta.

No se trata de responder por ti, ni de entregarte preguntas ajenas — ni siquiera las mías. Se trata de un proceso de coaching para que emerjan tus preguntas: las que ya habitas sin haberlas nombrado, y las que están por aparecer.

2. Estudio de Materias desde tus Preguntas

Este es un segundo componente, complementario al primero.

A la mayoría nos enseñaron a estudiar desde preguntas que no habíamos investigado nosotros. Por ejemplo: "qué fue lo que pasó en la batalla de las Termópilas, por qué pasó, quiénes se enfrentaron, quiénes los lideraban y qué resultó de todo ello, o las consecuencias".

Lo importante eran los hechos, las causas y las consecuencias, los personajes que gravitaron. Los hechos aspiraban a ser objetivos, no interpretaciones.

Ahora se puede aprender a abordar el mismo tema — historia, o cualquier otra materia — pero desde los propios intereses e inquietudes; desde las propias preguntas. Con apoyo de IA, es posible estudiar cualquier materia no desde el temario que otro definió, sino desde lo que a ti genuinamente te inquieta de ese tema.

Un tema central a desarrollar en este proceso es, precisamente: ¿Cuáles son tus preguntas? ¿Las tienes?

A quién está dirigido

A quienes sienten que en la era de la IA acumular respuestas ya no alcanza, y que lo que los orientará de aquí en más es la calidad y la propiedad de sus propias preguntas — en su vida, en sus proyectos, y en lo que decidan estudiar o profundizar.

Metodología

Un proceso de conversación y coaching, individual, donde:

Se identifican las preguntas que ya se están habitando, aunque no se hayan nombrado.

Se distingue entre preguntas propias y preguntas prestadas — heredadas de otros, de un temario, de una época de la vida que ya pasó.

Se usa la materia de interés del cliente (historia u otra) como terreno de práctica para aprender a estudiar desde las propias preguntas, apoyado en IA.

Se acompaña el proceso de que esas preguntas den norte, dirección y pauta.

Valor del servicio

Este servicio no tiene precio fijo. El valor lo pones tú. Con eso me basta.

¿Cuáles son tus preguntas? Conversemos.

Libro The Artificial Intelligence Experience: An Introduction de Susan J Scown

Cuando la inteligencia artificial era todavía una promesa

Estoy leyendo un viejo libro (1985) sobre inteligencia artificial y la experiencia está resultando mucho más fascinante de lo que esperaba. No tanto porque me esté enseñando la IA de hoy, sino porque me permite mirar nuestro presente desde el futuro que imaginaron otros hace más de cuarenta años.

Muchas de las cosas que el libro describe como desafíos extraordinariamente difíciles —conversar con una computadora, comprender lenguaje corriente, traducir, resumir documentos, reconocer imágenes y voz, programar a partir de instrucciones humanas— son cosas que hoy hago rutinariamente desde mi computador o mi teléfono.

Es como encontrar un antiguo mapa del territorio en el que ahora vivimos. 

El sueño original: poner conocimiento dentro de la máquina

La inteligencia artificial de aquella época partía de una pregunta formidable:

¿Podemos conseguir que una computadora haga cosas que, si las hiciera una persona, la consideraríamos inteligente?

Para ello se intentaba capturar el conocimiento de especialistas y convertirlo en reglas que una máquina pudiera utilizar.

Así nacieron los sistemas expertos.

Un ingeniero, médico o geólogo podía haber acumulado treinta años de experiencia. El desafío consistía en extraer ese saber —incluyendo intuiciones, excepciones y reglas prácticas— y transformarlo en instrucciones del tipo:

SI ocurre A + B + C → ENTONCES probablemente D.

La máquina podía entonces conservar ese conocimiento y ponerlo simultáneamente a disposición de muchas personas.

Era una idea revolucionaria: transformar la experiencia humana en memoria organizacional.

XCON: cuando la IA comenzó a trabajar

Uno de los casos más impresionantes fue XCON, desarrollado para Digital Equipment Corporation.

Configurar sus computadores VAX era tremendamente complejo. Había miles de componentes y combinaciones posibles. Ingenieros expertos necesitaban decidir qué piezas eran compatibles, cómo conectarlas y cómo montar finalmente cada computador.

XCON convirtió parte de ese conocimiento en miles de reglas.

El resultado fue espectacular: según las notas del libro, una configuración que a un especialista podía tomarle entre 25 y 35 minutos, XCON llegó a realizarla en unos 2,3 minutos, produciendo configuraciones utilizables cerca del 98 % de las veces.

Pero lo más interesante es que los expertos no desaparecieron.

Cambió su trabajo.

Pasaron de ejecutar rutinariamente la tarea a supervisar, corregir, incorporar nuevo conocimiento y mejorar el sistema.

Cuarenta años después seguimos hablando de lo mismo: la colaboración entre inteligencia humana e inteligencia artificial.

La obsesión era representar el conocimiento

Aquella IA intentaba construir inteligencia pieza por pieza.

Utilizaba reglas, símbolos, árboles de búsqueda, lógica, frames, scripts, redes semánticas, heurísticas y motores de inferencia.

Lenguajes como LISP y Prolog fueron protagonistas de esta primera época.

La lógica era aproximadamente:

conocimiento humano → representación → reglas → búsqueda → inferencia → respuesta.

Y aquí aparece la gran diferencia con la revolución actual.

Con el machine learning, las redes neuronales, el deep learning y finalmente los grandes modelos de lenguaje, dejamos de intentar escribir explícitamente todas las reglas.

Las máquinas comenzaron a aprender patrones a partir de enormes cantidades de datos.

Podríamos resumir una parte importante de la historia de la IA mediante cuatro verbos:

PROGRAMAR → BUSCAR → APRENDER → ACTUAR.

Primero le dijimos a la máquina exactamente qué hacer.

Después le dimos conocimiento para que buscara soluciones.

Más tarde aprendimos a construir máquinas que aprendieran patrones que nosotros mismos no éramos capaces de explicitar.

Y ahora estamos entrando en la época de los agentes, capaces de recibir un objetivo, planificar, utilizar herramientas, ejecutar acciones, observar resultados y corregirse.

La computadora debía aprender nuestro idioma

Otra ambición extraordinaria del libro era conseguir que las personas dejaran de tener que aprender el lenguaje de las computadoras.

Hasta entonces había que aprender BASIC, COBOL, FORTRAN, LISP o algún otro lenguaje.

La aspiración de la inteligencia artificial era invertir la relación: que la máquina aprendiera nuestro lenguaje.

El libro describe como problema formidable conseguir que una computadora comprendiera una frase, mantuviera el contexto, tradujera, resumiera documentos, respondiera preguntas o reconociera nuestra voz.

Y aquí mi experiencia leyendo el propio libro se vuelve casi cómica.

Estoy fotografiando sus páginas en grupos de diez y entregándoselas a ChatGPT. La IA las lee, traduce, interpreta, resume, relaciona y me las explica en castellano.

Es decir, estoy utilizando para leer el libro, aquello que el propio libro describía como futuro.

El verdadero problema era el contexto

Los investigadores descubrieron rápidamente algo profundo: comprender palabras no significa comprender lenguaje.

Si estoy envolviendo un regalo y digo: “¿Tienes cinta adhesiva?”

probablemente no estoy interesado en hacer un inventario de tus pertenencias. Estoy diciendo: “Pásame la cinta adhesiva.”

Para comprenderme hay que interpretar contexto, intención y conocimiento del mundo.

Lo mismo ocurre cuando digo que alguien es “un pilar de la comunidad”. Una computadora estrictamente literal podría terminar buscando una curiosa estructura arquitectónica.

Aquellos investigadores habían descubierto uno de los grandes problemas de la inteligencia: comprender es también inferir lo que no fue dicho.

De los píxeles al significado

El mismo problema aparecía con la visión.

Una cámara no “ve” una caja. Recibe luz y produce información.

La máquina debía pasar de:

píxeles → bordes → formas → profundidad → objeto → significado.

También se experimentaba con tacto artificial, reconocimiento de voz y robots capaces de desplazarse en ambientes desconocidos.

El gran sueño era integrar:

percibir → comprender → decidir → actuar.

Cuatro décadas después, esa búsqueda continúa bajo nombres nuevos como robótica avanzada, IA multimodal y embodied AI.

Incluso imaginaron al aprendiz del programador

Una de las secciones que más me sorprendió describe un proyecto del MIT llamado The Programmer's Apprentice.

La idea era crear algo parecido a un socio junior del programador.

El humano podría concentrarse cada vez más en qué quería conseguir, mientras la máquina se ocupaba de una parte creciente del cómo hacerlo.

Cuesta leer aquello hoy sin pensar en los copilotos y agentes de programación actuales.

El cambio es enorme:

Antes debíamos explicarle al computador cada paso.

Hoy podemos decirle cada vez más simplemente, qué queremos conseguir.

Y quizás el próximo salto sea todavía más interesante: utilizar la IA no sólo para ejecutar lo que queremos, sino para ayudarnos a descubrir qué queremos.

Acertaron el futuro, pero se equivocaron en el camino

El libro también relata una gigantesca carrera internacional por dominar la inteligencia artificial.

Japón lanzó su proyecto de computadores de quinta generación. Estados Unidos reaccionó. Aparecieron MCC y los programas de DARPA. Europa creó ESPRIT. Gran Bretaña impulsó el programa Alvey. Alemania y la Unión Soviética desarrollaron sus propias iniciativas.

Gobiernos, universidades, ejércitos y grandes corporaciones comprendieron algo extraordinariamente temprano: la inteligencia artificial sería también una fuente de poder económico, tecnológico y geopolítico.

En eso acertaron plenamente.

Donde se equivocaron fue en la ruta.

Apostaron fuertemente por sistemas simbólicos, reglas, lógica, Prolog y bases de conocimiento. La gran revolución terminaría llegando décadas después por otra vía: redes neuronales, enormes cantidades de datos, procesamiento paralelo, GPU, deep learning y transformers.

Vieron venir el continente, pero dibujaron mal el mapa para llegar hasta él.

Una enseñanza que permanece intacta

Hay algo, sin embargo, que aquellas primeras experiencias empresariales con IA comprendieron muy bien.

Un sistema de inteligencia artificial nunca está realmente terminado.

El conocimiento cambia. Aparecen excepciones. Cambian los usuarios. Cambia el negocio. Aparecen nuevas capacidades.

Por eso recomendaban construir pequeños prototipos, utilizarlos, aprender de ellos, corregirlos y volver a probar.

Curiosamente, es exactamente lo que hago hoy conversando con una IA.

Le pido algo. Me responde.

Al mirar su respuesta descubro que no era exactamente eso lo que quería.

Entonces reformulo mi pregunta.

La IA vuelve a responder.

Y, en ese proceso, no solamente mejora la respuesta: también mejora mi comprensión del problema.

Quizás ahí esté uno de los cambios más profundos.

Hace cuarenta años el gran desafío era:

¿Cómo metemos el conocimiento del experto dentro de la máquina?

Hoy comienza a aparecer otra pregunta:

¿Qué puede llegar a hacer el ser humano cuando tiene una inteligencia como ésta sentada permanentemente a su lado?

Y quizás esa sea, finalmente, la verdadera *Artificial Intelligence Experience*: no observar cómo las máquinas se vuelven más inteligentes, sino descubrir en qué podemos convertirnos nosotros cuando comenzamos a pensar con ellas.