Nota del editor: En esta última charla del batch de YC, Tom Blomfield, socio general de YC, no habla sobre «cómo usar la IA para mejorar la eficiencia de los empleados», sino sobre un problema más fundamental: cuando la IA ya no es solo un Copilot, sino que puede percibir, tomar decisiones, invocar herramientas, recibir retroalimentación y corregirse a sí misma, ¿cómo debería rediseñarse la empresa en sí?
La opinión central de Tom es que las empresas tradicionales todavía funcionan como «legiones romanas»: la información fluye hacia arriba a través de jerarquías, y los comandos se distribuyen hacia abajo a través de cadenas de gestión. Pero la IA está rompiendo este supuesto organizacional. Lo realmente importante no es que los ingenieros escriban un 20% más de código, sino extraer el conocimiento empresarial disperso en correos electrónicos, Slack, reuniones, documentos y cerebros humanos, convirtiéndolo en un contexto organizacional que la IA pueda leer, invocar e iterar.
En su opinión, las futuras empresas nativas de IA estarán formadas por una serie de bucles de IA recursivos y autocorrectivos: el sistema percibe cambios externos a partir de correos de clientes, tickets de soporte, datos de productos, luego ejecuta decisiones a través de capas de reglas, herramientas y comprobaciones de calidad, y finalmente aprende y se corrige automáticamente según los resultados. YC ya está probando mecanismos similares internamente: los agentes no solo responden preguntas, sino que también monitorean qué consultas fallan, juzgan si se necesitan nuevas herramientas, bases de datos o índices, y automáticamente envían código, lo revisan, fusionan y despliegan. Es decir, la empresa puede seguir optimizándose mientras los fundadores duermen.
Esto también significa que el impacto de la IA en la empresa no se quedará en la capa de herramientas, sino que cambiará aún más la estructura organizativa. Tom propone «quemar tokens, no mano de obra»: el cuello de botella para las startups del futuro podría no ser el número de empleados, sino el uso de tokens, la calidad del contexto empresarial y la legibilidad del conocimiento organizacional. Las funciones de coordinación que asume la gerencia media serán en gran medida reemplazadas por la IA, mientras que los contribuidores individuales (IC), los responsables directos y los roles humanos que puedan manejar juicios de alto riesgo en el mundo real se volverán más importantes.
Lo más digno de atención no es que la IA haga a las empresas más eficientes, sino que está cambiando la forma organizacional misma de la «empresa». Cuando el software puede generarse temporalmente, los procesos pueden mejorarse automáticamente y la experiencia puede sedimentarse continuamente como el cerebro de la empresa, lo que los fundadores realmente deben construir puede no ser un equipo con jerarquías claras, sino un sistema inteligente capaz de aprender y optimizarse continuamente.
A continuación, el texto original:
Reescribir el modo de funcionamiento: Las empresas no deberían seguir funcionando como legiones romanas
Esta parte se basa un poco en una charla anterior de Diana. El vídeo del fin de semana ya está disponible, es excelente. Además, Jack Dorsey publicó algunos tuits hace unas dos o tres semanas que me parecieron muy interesantes, así que «robé» muchas de sus ideas y las metí en esta presentación.
Esta charla será bastante conceptual, de alto nivel, principalmente discutiendo cómo deberíamos repensar la construcción de empresas.
El diseño de la legión romana estaba esencialmente destinado a proyectar poder desde el centro de Roma hacia afuera, cubriendo dos continentes, incluso extendiéndose hasta el Muro de Adriano cerca de Escocia. Se basaba en una estructura jerárquica anidada, cada nivel con un alcance de gestión estable. Cada nivel tenía un responsable claro, encargado de transmitir órdenes hacia abajo y devolver información hacia arriba.
Si observas la mayoría de las empresas hoy, verás que todavía se parecen a una legión romana: las personas son los canales por los que fluye la información hacia arriba y hacia abajo. Un punto que me impactó mucho en esos tuits de Jack Dorsey es que siempre hemos dado por sentado que las organizaciones jerárquicas son la mejor manera de organizar unidades de valor económico. Pero creo que la IA básicamente está rompiendo ese supuesto.
Hace un año, si preguntabas para qué servía la IA, la gente solía hablar de «productividad»: por ejemplo, Copilot mejora la eficiencia de los ingenieros en un 20%, integrar Copilot en el flujo de trabajo, ayudar a los equipos a entregar más software. Pero creo que esta es una forma problemática de entenderlo. Es como poner un motor más potente en una forma de trabajo antigua. Lo que realmente vale la pena pensar no es cómo añadir una herramienta de IA a la antigua organización, sino reimaginar qué es la empresa en sí y cómo debería funcionar.
Por ejemplo, por lo que Garry acaba de mencionar, realmente creo que él solo ahora puede producir más código que todo un equipo de ingeniería. Lo que realmente me hace pensar constantemente es cómo extraer el conocimiento del dominio interno de la empresa y definirlo como contexto, conjunto de habilidades, o como quieras llamarlo.
El llamado conocimiento del dominio, conocimiento empresarial, know-how, originalmente estaba disperso en cerebros humanos, mensajes de Slack, correos electrónicos, documentos de Notion. Esta información define conjuntamente cómo funciona tu empresa. Una vez que puedas hacer que este conocimiento sea claro y legible, puedes pasar de una organización jerárquica a una organización inteligente impulsada por software nativo de IA.
Hacer que la empresa mejore mientras duermes: Cómo los bucles de IA descubren, reparan y despliegan automáticamente
La IA no es algo que se adjunta a la empresa. No es solo una herramienta para que los ingenieros aumenten su eficiencia. Creo que podemos reimaginar la empresa como un conjunto de bucles de IA recursivos y autocorrectivos. Este punto es muy importante, porque una vez que la empresa llega a este punto, puede seguir optimizándose incluso mientras duermes.
Pongamos un ejemplo.
Diana también mencionó este bucle de IA en su charla. Primero tiene una «capa de sensores». Suena muy sofisticado, pero puede ser simple: correos de clientes, tickets de soporte, cambios en el código, cancelaciones de suscripciones de usuarios, datos de telemetría del producto, todos estos son datos de sensores para obtener información del mundo exterior.
Luego está la capa de estrategia o decisión, es decir, las reglas: qué puede hacer la IA, qué cosas deben solicitar permiso humano, qué operaciones deben registrarse. Más abajo está la capa de herramientas, algo similar a las skills y el código que mencionó Garry, esencialmente APIs deterministas, como consultar una base de datos, ver un calendario, etc., es decir, un conjunto de herramientas que la IA puede invocar.
Luego están las comprobaciones de calidad, como las verificaciones deterministas, filtros de seguridad y revisiones humanas para asuntos de alto riesgo que mencionó Eva. Finalmente está el mecanismo de aprendizaje: el sistema interactúa con el mundo real, descubre dónde no funciona, y luego reintroduce la retroalimentación al inicio del bucle.
Si cada paso puede ejecutarse sin intervención humana, o con una intervención mínima, entonces el sistema mejorará mientras duermes.
Puedo darles algunos ejemplos que realmente estamos ejecutando ahora. Al principio, creamos un agente al que podías hacer preguntas, tenía algunas herramientas deterministas para consultar nuestra base de datos. Por ejemplo, una pregunta muy simple: ¿Cuándo fue la última vez que hice office hours con esta empresa?
Luego se volvió un poco más inteligente. Por ejemplo, si estoy haciendo office hours con una empresa y necesitan conocer a alguien relacionado con la industria petroquímica. Este sistema puede consultar la base de datos de diferentes maneras, combinando métodos como RAG, para encontrar cinco fundadores relevantes y recomendártelos.
Pero esto sigue siendo solo un sidekick, un agente tipo asistente. Todavía es la forma de usar la IA del año pasado: la IA me hace ser más eficiente como group partner, mejora mi eficiencia laboral en un 20% o 30%.
Lo que realmente me dio el «momento aha» fue cuando añadimos un agente de monitoreo sobre este sistema. Revisa cada consulta iniciada por cada empleado de YC, determina cuáles tuvieron éxito y cuáles fallaron. Luego se pregunta: ¿Por qué falló? ¿Cómo hacer que esta consulta tenga éxito? ¿Necesitamos nuevas herramientas deterministas? ¿Necesitamos actualizar el archivo de skills? ¿Necesitamos una nueva base de datos? ¿Necesitamos un nuevo índice?
Estas cosas realmente suceden automáticamente por la noche. Escribe código, envía una merge request al repositorio de código de YC, deja que otro agente la revise, luego la fusiona y la despliega. Así, al día siguiente, cuando un humano hace la misma pregunta, la consulta puede tener éxito.
Para mí, este es el momento clave. No se trata solo de hacer que un humano sea un 20% o 30% más valioso. Es que la IA misma completó este ciclo y encontró una manera de mejorarse a sí misma.
Creo que si puedes identificar qué partes de tu empresa pueden funcionar así, y minimizar el papel humano de ejecución y supervisión en ellas, entonces puedes invertir tokens en este problema, y la empresa misma seguirá mejorando.
Hay muchos otros ejemplos. Por ejemplo, si tienes datos de análisis de producto, puedes dejar que un agente analice los datos del producto, encuentre el punto de mayor fricción en el embudo de ventas. Puede investigar las mejores prácticas, configurar una prueba A/B, ejecutarla durante una semana, seleccionar la versión con mejor rendimiento y luego desplegarla.
Esto ocurrirá una y otra vez. Tu producto tendrá un ciclo de producto autooptimizador.
Lo mismo con el soporte al cliente. Las sugerencias de clientes llegan constantemente, puedes usar un agente para hacer la clasificación. Este agente actúa en cierta medida como tu director de producto y director técnico, debe juzgar: esta sugerencia no la queremos hacer, la descartamos; pero esa sugerencia se ajusta a nuestro roadmap, podemos terminarla esta noche. Entonces escribe código, despliega, lanza y lo entrega directamente al cliente, sin necesidad de intervención humana en todo el proceso.
Por lo tanto, si puedes ver cada parte de tu empresa como un bucle de IA recursivo y autocorrectivo, se convertirá en algo completamente diferente a la empresa jerárquica «estilo legión romana».
Menos personal, más tokens: Las empresas nativas de IA remodelarán la estructura organizativa
Entonces, si quieres hacer esto, ¿qué significa?
El primer punto es: consume tokens, no acumules personal. Ahora vemos que muchas empresas, para el Demo Day, tienen ingresos por empleado aproximadamente 5 veces mayores que hace 18 meses. Creo que esta tendencia continuará hasta las etapas de Serie A y Serie B. Pronto, lo que realmente te limitará no será el número de empleados, sino el uso de tokens.
La forma más rudimentaria ahora es medir el uso de tokens por persona. Por supuesto, esta métrica es estúpida en casos extremos y fácil de manipular. Pero en dirección, creo que es correcta. Ahora estamos en una fase de exploración de «qué es posible», así que todos deberían experimentar al máximo para ver qué puede hacer esta nueva inteligencia loca.
Una vez que lo conviertes en una clasificación y vinculas promociones o despidos a este indicador, por supuesto que será manipulado y distorsionado. Pero en términos de dirección, averiguar quién en la organización está utilizando los tokens al máximo y quién no, es ciertamente una forma de juzgar en qué empleados deberías invertir tu tiempo.
Creo que la gerencia media ha terminado. Al menos para este tipo de problemas de coordinación, no creo que sea necesaria la gerencia media, la IA debería encargarse de ello.
Para mí, hay dos roles importantes en el futuro. Jack Dorsey mencionó tres, pero no me gusta mucho el tercero, así que lo eliminé. Creo que los realmente importantes son dos roles: todos deben convertirse en IC, es decir, contribuidores individuales, constructores, operadores. Y lo clave es que debe haber un responsable directo y nombrado. Para que cualquier cosa avance, se necesita una persona claramente nombrada y responsable, no un comité, ni un grupo de personas.
Creo que las empresas pueden construirse completamente sobre IC. La gerencia media realmente ha terminado. Y construir una empresa que se mejora a sí misma es esta visión.
Por cierto, creo que ahora todos están aún en la vanguardia de esto. También me encantaría saber hasta dónde han llegado. Ahora parece que todos todavía están explorando los límites. No estoy seguro de si ya hay alguien que haya construido una empresa realmente autocorrectiva en cada función. Quizás me equivoque, pueden demostrarme que estoy equivocado.
Si fuera yo, ¿qué haría primero?
Lo primero muy importante es hacer que toda la organización sea legible y comprensible para la IA. ¿Qué significa esto? Significa que debes registrar todo.
En términos simples, ahora todos los correos de nuestros partners, si le envías un correo a un partner de YC, ese correo entra en la base de datos de YC. Cada mensaje de Slack, cada DM, cada office hours, en los últimos tres o cuatro meses hemos empezado a grabarlos todos. Todo lo que sucede, si se registra, para la IA sucedió; si no se registra, para tu sistema inteligente, no sucedió.
Hace un rato estuve charlando con algunos fundadores aquí, hablammos de mucho contenido bueno sobre sus empresas. Cada vez que hablo pienso, realmente debería grabar esta conversación. Porque alguien necesitaba que le presentara a alguien, ahora ni siquiera recuerdo quién era esa persona. En ese momento le dije que sí, y luego le pedí que me enviara un correo después, porque sabía que seguramente lo olvidaría, todavía tengo que hablar con 20 personas más.
Así que esto podría requerir teléfonos, dispositivos de grabación, gafas inteligentes, o poner micrófonos en cada habitación. En resumen, todo debe registrarse para que la IA pueda leerlo.
Luego, como dice Garry, también se necesita separación de hablantes y resumen. No puedes meter 100,000 horas de grabación directamente en la ventana de contexto. Debes organizarlas, agregarlas, comprimirlas, extraer las partes importantes y dejar algunas pistas para la IA.
Pongamos un ejemplo: ¿Alguno de ustedes ha leído el manual de usuario de YC? Espero que al menos cada persona en esta sala lo haya abierto una vez. No pasa nada. La mayor parte de ese manual fue escrito hace cinco o diez años, ya está un poco desactualizado.
El fin de pasado, a Harsh se le ocurrió de repente: ya que hemos acumulado alrededor de 2000 horas de grabación de office hours en los últimos tres meses, ¿por qué no regeneramos una versión del manual de usuario?
Entonces puedes darle al sistema un conjunto de instrucciones, primero organizar, comprimir, sintetizar las grabaciones, luego clasificarlas por temas como financiación, contratación, disputas entre cofundadores, y luego hacer que escriba una nueva versión del manual de usuario. Para el final del fin de semana, ya había generado un manual de usuario de 150 páginas, claramente mejor que la versión existente.
Lo más importante es que ahora podemos actualizarlo cada mes. Así, nuestro manual de usuario se convierte en un sistema autocorrectivo. Cada nueva sugerencia se compara con el manual de usuario existente y es absorbida o descartada. De esta manera, el manual de usuario se convierte en un cerebro vivo en constante actualización, que contiene los consejos que damos a los fundadores cada semana.
Por supuesto, no se detendrá en el nivel del manual de usuario. Puedes usarlo como contexto de entrada para un agente de IA. De repente, puedes hacer preguntas a una superinteligencia de IA y obtener la sabiduría combinada de 16 partners de YC. Pero la condición es que este conocimiento debe ser legible para la IA. Así que debes registrar todo.
El segundo punto es similar: si algo puede crear un artefacto autocorrectivo que pueda ser leído por la IA, consérvalo; si no puede, deséchalo.
El tercer punto es que cada función debería poder generar su propio software. En el pasado podríamos haber dicho «tablero de control», pero ahora no es solo un tablero de control, sino software generado bajo demanda. Codex 5.5 ahora es lo suficientemente bueno, la mayoría del software interno simple y los tableros de control pueden generarse de una vez con una calidad bastante alta. Lo probé el fin de semana con algunas de nuestras cosas internas, y el efecto fue realmente increíble.
Así que todos los equipos de operaciones internas deberían sentarse sobre esta capa: tener una comprensión inteligente del negocio y luego generar sus propios tableros de control y flujos de trabajo.
Y trataría este software como algo completamente desechable. Lo que realmente debe conservarse con mucho cuidado son los datos. Como dice Garry, él guarda todos sus correos en Markdown, nunca descarta nada. Pero el software en sí es temporal, provisional. Puedes generarlo, y puedes regenerarlo.
Lo realmente valioso es la comprensión del negocio en el cerebro humano: cómo funciona esta función, cómo organizamos un evento de YC, etc. En cuanto al software real para ejecutar el evento, puedes generar uno para ese evento, usarlo y desecharlo. Un mes o dos después, cuando el modelo se vuelve más inteligente, tiras el software antiguo, le das nuevamente las instrucciones originales y generas una nueva versión del software.
Así que creo que lo valioso es el contexto del negocio y las skills. El software construido sobre ellos es temporal.
Entonces, en este mundo, ¿cuál es el papel de los humanos?
Creo que lo que estamos discutiendo es en realidad un «cerebro de la empresa». Sé que hay mucha gente en esta sala haciendo cosas similares. La parte intermedia (todos tus datos, todos tus correos, DMs, habilidades, know-how) es el cerebro de la empresa.
Los humanos están en el borde de este cerebro, responsables de interactuar con el mundo real. Es decir, los humanos son el lugar donde este sistema inteligente toca la realidad. Los humanos pueden entrar en escenarios donde el modelo aún no puede entrar. Por ejemplo, en una reunión presencial, o en situaciones novedosas y complejas. El teléfono lo iba a poner como ejemplo, pero ahora en realidad es fácil para la IA entrar en escenarios telefónicos.
Lo más típico son situaciones desconocidas, juicios éticos, momentos de alto riesgo. Por ejemplo, un fundador viene a vernos y dice que está considerando separarse de su cofundador. Este momento realmente de alto riesgo y alta carga emocional, aún querrás que haya un humano presente.
Esta es la posición de los humanos. Para muchas de sus empresas, las conversaciones de ventas también son así. En los próximos 20 años, creo que aún se necesitará un humano en la sala durante una venta.
Así que creo que los humanos vivirán en el borde del cerebro de la empresa, responsables de llevar la inteligencia al mundo real.
Ya me he pasado de tiempo, el moderador probablemente esté a punto de sacarme del escenario. Finalmente les dejo una pregunta: Si hoy re-fundaras tu empresa, ¿la diseñarías desde el principio con esta forma?
La mayoría de sus empresas aún son lo suficientemente pequeñas como para hacerlo completamente. Así que creo que no tienen excusa. Y sé que también hay algunos presentes que están desmantelando y reconstruyendo sus propias empresas.
Entonces, terminaré aquí y cederé el tiempo a Pete. Gracias a todos.
[Enlace al video]
