La IA ya sabe cómo. El nuevo trabajo del humano es decidir por qué.

Septiembre 2026

(Tiempo total de lectura: 4 minutos)

Hola, comunidad 👋

Esta semana ocurrieron dos cosas que parecen no tener nada que ver.

OpenAI reportó haber resuelto uno de los problemas matemáticos abiertos más importantes del mundo.

Y Meta lanzó Muse, un agente personal capaz de navegar internet, responder correos, llenar formularios, comprar, negociar y seguir trabajando aunque cierres la aplicación.

Una noticia vino de las matemáticas.

La otra, del producto.

Pero juntas apuntan hacia algo mucho más importante:

la IA está haciendo que el “cómo” sea cada vez más barato.

Y cuando el “cómo” deja de ser el cuello de botella, cambia el trabajo del humano.

El recurso escaso empieza a ser otra cosa:

decidir qué problema vale la pena resolver.

1) Un problema de décadas, reducido a una instrucción

OpenAI anunció esta semana una solución al problema de Navier-Stokes, uno de los grandes problemas abiertos de las matemáticas modernas.

La controversia alrededor del resultado es importante.

Dos matemáticos sostienen que habían avanzado significativamente en una dirección prometedora y que rumores sobre su trabajo pudieron haber llegado a OpenAI antes de que su modelo terminara la demostración. OpenAI negó haber utilizado conversaciones específicas de esos investigadores.

No voy a entrar aquí en quién tiene razón.

Hay una idea más importante.

Un problema que durante décadas representó una frontera intelectual para algunos de los mejores matemáticos del mundo pudo convertirse, de repente, en algo sobre lo que una máquina podía desplegar cantidades enormes de razonamiento hasta encontrar una solución.

Eso cambia la economía del conocimiento.

Durante siglos, parte del valor del experto estuvo en saber cómo resolver un problema difícil.

Pero ¿qué ocurre cuando el costo de intentar mil, diez mil o un millón de caminos empieza a acercarse a cero?

El cuello de botella cambia.

2) Lo escaso ya no es necesariamente la solución

El matemático Terence Tao planteó esta semana una idea fascinante.

Cuando una nueva herramienta vuelve fáciles problemas que antes eran difíciles, aplana el terreno.

Eso es positivo porque resolvemos más.

Pero también elimina una señal importante:

la dificultad nos ayudaba a descubrir qué problemas valía la pena perseguir.

Si una IA puede lanzar capacidad masiva sobre prácticamente cualquier problema, la habilidad escasa deja de ser resolver.

Pasa a ser:

• escoger la pregunta correcta,

• entender por qué importa,

• definir el objetivo,

• reconocer qué resultado crea valor,

• y decidir qué no vale la pena optimizar.

Eso no aplica solamente a matemáticas.

Aplica directamente a una empresa.

3) Cuidado con pedir exactamente lo que quieres

Aquí aparece otro concepto importante: reward hacking.

Un agente recibe un objetivo.

Y lo cumple.

El problema es que puede cumplirlo de una manera que destruye el propósito original.

Quieres reducir tickets de soporte.

La máquina encuentra la forma de cerrar más tickets.

Pero los clientes quedan peor atendidos.

Quieres acelerar cobranza.

El agente presiona más agresivamente.

Mejora días de cartera.

Y deteriora relaciones con tus mejores clientes.

Quieres reducir inventario.

Optimiza inventario.

Y terminas perdiendo ventas.

La máquina puede haber cumplido perfectamente el KPI.

Y haber perjudicado a la empresa.

Ésa es una lección que los CEOs y CFOs necesitamos entender ahora.

El agente optimiza lo que medimos.
El humano tiene que entender por qué lo estamos midiendo.

La IA no elimina estrategia.

La vuelve más importante.

4) Y entonces Meta puso una computadora detrás del agente

La segunda noticia de esta semana me parece incluso más importante para la mayoría de nosotros.

Meta presentó Muse.

No es solamente otro chatbot.

Muse tiene algo que cambia la categoría:

una computadora propia.

Opera dentro de una máquina virtual dedicada donde puede navegar, utilizar herramientas, completar formularios y ejecutar trabajo.

Le dices lo que quieres conseguir.

Puede ayudarte a desarrollar un plan y después avanzar por sí solo.

Puede seguir trabajando aunque cierres la aplicación.

Y cuando llega a una acción sensible —por ejemplo enviar un correo o realizar una compra— vuelve y pide aprobación.

Además, recuerda.

Puede utilizar información que mencionaste una sola vez para tomar mejores decisiones semanas después.

Eso empieza a parecerse mucho menos a software tradicional.

Y mucho más a un trabajador digital.

5) La interfaz también está desapareciendo

Hay otro detalle que me parece fundamental.

Meta diseñó Muse para que no necesites aprender prácticamente nada.

Hablas con él como hablas con una persona.

Incluso puede operar desde WhatsApp.

Eso importa porque durante los últimos tres años asumimos que la adopción de IA dependía de enseñarles a las personas a utilizar IA.

Prompts.

Cursos.

Interfaces.

Workshops.

Pero quizá la tecnología realmente masiva llegue cuando el usuario deje de sentir que está “usando IA”.

Simplemente dice:

esto es lo que necesito que ocurra.

Y algo empieza a trabajar.

La mejor tecnología empresarial probablemente siga exactamente el mismo camino.

Menos interfaces nuevas.

Más trabajadores digitales operando detrás del ERP, CRM, bancos, Excel, correo y portales que la empresa ya utiliza.

6) Del “cómo” al “por qué”

Creo que aquí está la gran transición.

Durante décadas, una empresa necesitaba equipos enteros para convertir una intención en ejecución.

El CEO decía qué quería lograr.

Y debajo aparecían capas de personas para descubrir cómo hacerlo.

La IA empieza a comprimir esa distancia.

No completamente.

No perfectamente.

Pero cada mes un poco más.

Eso aumenta muchísimo el poder de una persona que tiene:

• criterio,

• contexto,

• capacidad de formular buenos problemas,

• y claridad sobre el resultado que busca.

El humano no desaparece de la ecuación.

Se mueve hacia arriba.

La máquina ejecuta cada vez más el cómo.
El humano tiene que ser cada vez mejor definiendo el por qué.

7) Mi pregunta para ti

Mira los diez problemas principales de tu empresa hoy.

Ahora hazte una pregunta diferente:

¿cuántos siguen siendo difíciles porque realmente no sabemos resolverlos, y cuántos simplemente eran demasiado costosos en tiempo, personas y coordinación para intentarlo?

Esa distinción empieza a cambiar rápidamente.

Y quizá la ventaja competitiva de los próximos años no pertenezca a quien tenga las respuestas.

Sino a quien sepa formular primero las preguntas que realmente importan.

Nos vemos pronto,
Hernán

P.D. Durante años contratamos personas por saber cómo hacer algo. En la era de los agentes, vamos a valorar cada vez más a quienes sepan qué merece hacerse —y por qué.