Nadella y Musk: la IA se queda con lo que tu empresa aprendió | Acadevor
·8 min de lectura
Nadella y Musk coinciden: la IA se queda con lo que tu empresa aprendió
Satya Nadella explicó que la IA absorbe la experiencia de las empresas y la vuelve genérica. Qué significa capital de tokens y cómo evitar que tu ventaja se te escape.
Satya Nadella, CEO de Microsoft, escribió que la IA absorbe de forma continua la experiencia de las personas y de las empresas, y la vuelve genérica. Elon Musk lo compartió con un comentario de una sola palabra: "Interesante". La consecuencia incomoda a cualquiera que dirija una empresa: tu equipo le enseña a la IA todos los días, y si nada de eso queda de tu lado, lo que tu empresa sabe hacer termina siendo un servicio que cualquiera puede contratar.
Lo que dice el texto
Nadella lo tituló "Una frontera sin un ecosistema no es estable".
Su punto de partida: esta transición no se parece a las anteriores. Cuando llegaron las computadoras o el software en la nube, usábamos esos sistemas como herramientas para hacer más rápido lo que ya hacíamos. Con la IA, por primera vez, las personas y los sistemas pueden aprender unos de otros de forma continua.
Y de ahí sale el problema que le preocupa, que es el que da título a este artículo. Los LLM, que son los sistemas detrás de ChatGPT, Claude o Copilot, aprenden de la experiencia de todos: de cómo trabajan las empresas, de cómo resuelven sus expertos.
Cada vez que alguien de tu equipo corrige una respuesta, explica una regla del negocio o enseña cómo se calcula algo, está entregando criterio. La pregunta es dónde queda ese aporte. Si queda solamente del lado del proveedor, tu ventaja competitiva se convierte en una función más del producto que cualquiera puede contratar.
El capital humano es lo que tu gente sabe: el criterio de tu jefa de operaciones para detectar un pedido que va a dar problemas, la intuición de tu gerente comercial sobre qué cliente está por irse.
El capital de tokens es la capacidad de IA que tu empresa construye y conserva como propia.
Lo interesante es que el segundo no reemplaza al primero. Lo necesita.
Piénsalo así: un LLM puede escribir el correo, pero alguien tiene que saber que ese cliente merece una llamada en vez de un correo. Puede armar el informe, pero alguien decide qué pregunta valía la pena responder. Sin esa dirección, según el propio texto, tienes cómputo girando en círculos.
Por eso la pregunta útil para una dirección no es a cuánta gente reemplaza la IA. Es qué criterio de tu equipo merece quedar escrito en algún lado, para que no dependa de que esa persona esté disponible un martes a las tres de la tarde.
La prueba: ¿puedes cambiar de proveedor sin perder lo aprendido?
Esta es la parte más práctica, y funciona como una pregunta de auditoría.
Imagina que llevas un año usando un asistente de IA. Tu equipo lo corrigió mil veces, le enseñó cómo se llaman tus productos, qué reglas aplican a cada cliente, qué respuestas son inaceptables.
Ahora aparece un proveedor mejor y más barato. Cambias.
¿Tu empresa arranca de cero otra vez?
Si la respuesta es sí, ese aprendizaje nunca fue tuyo. Vivía dentro del producto que contratabas. Y eso, dice Nadella, es la verdadera prueba de si controlas tu propia capacidad.
Para que la respuesta sea no, el texto describe tres piezas:
Evaluaciones propias. Medir si el LLM mejora en las tareas de tu negocio, no en rankings públicos. Da igual que sea el número uno del mundo si se equivoca clasificando tus pedidos.
Práctica sobre casos reales. Que el sistema se afine con situaciones de tu operación, no con ejemplos genéricos de internet.
Una base de conocimiento consultable. Que lo que aprendió tu empresa esté guardado en un lugar que se pueda preguntar, y que sea tuyo.
Eso, junto, es lo que se acumula. Cada proceso que mejora deja una señal que hace mejorar al siguiente.
Qué significa "ecosistema" y por qué Microsoft insiste tanto
El título habla de ecosistema y conviene aterrizarlo, porque suena a palabra de conferencia.
Compara dos formas de contratar IA para una empresa.
Opción A: vas directo a un proveedor de LLM. Contratas a un solo fabricante. Tus datos viajan a su plataforma, tus flujos se construyen con sus herramientas y lo que tu equipo le enseña queda dentro de su producto. Es rápido de arrancar. El costo aparece después: si sube el precio, cambia las condiciones o se queda atrás en calidad, mudarte es empezar de nuevo.
Opción B: trabajas dentro de tu propio entorno. En el caso de Microsoft, ese entorno es tu tenant, que es el espacio de tu empresa dentro de su nube, donde ya viven tu correo, tus archivos y tus permisos. Ahí puedes conectar distintos LLM según convenga, y tus datos, tus definiciones y tus reglas permanecen del lado de tu empresa. El LLM pasa a ser un componente reemplazable en vez de la plataforma completa.
Esa es la diferencia entre depender de una frontera y participar de un ecosistema. No es lealtad a una marca: es dónde queda guardado lo que tu empresa aprendió.
Nadella lo lleva al plano económico. Si el valor de la IA termina concentrado en unos pocos proveedores que absorben el conocimiento de todas las industrias, sostiene, la sociedad no lo va a tolerar. Compara el escenario con la primera globalización: economías industriales vaciadas por la deslocalización, con cifras agregadas que se veían bien mientras el desplazamiento real seguía su curso. Su conclusión es que hace falta un ecosistema de frontera y no solamente un LLM de frontera.
Nada de esto funciona con datos desordenados
Y aquí está la parte que a casi todas las empresas les toca resolver primero.
Un sistema que aprende necesita algo de dónde aprender. Ese algo son tus datos y tus definiciones.
Si "venta neta" significa una cosa en administración y otra en comercial, el asistente no aprende tu criterio. Aprende tu confusión, y la repite más rápido y con más seguridad.
La base de conocimiento consultable de la que habla el texto no aparece al instalar un asistente. Aparece cuando cada métrica está definida una sola vez, en un lugar compartido, y todo lo demás lee de ahí.
Ese lugar compartido es lo que se llama un modelo semántico, y conviene no confundirlo con el LLM: uno responde, el otro define qué significan tus números. En la documentación de Microsoft, los modelos semánticos son la capa donde quedan definidos los cálculos del negocio y desde donde leen los informes y los asistentes. Los agentes de datos de Fabric responden preguntas en lenguaje natural sobre esos orígenes, y aciertan en la medida en que lo de abajo esté ordenado.
Hasta acá, el texto. Lo que sigue es nuestra interpretación, y conviene decir en voz alta lo evidente: Nadella es CEO de Microsoft y su tesis, casualmente, describe bien lo que Microsoft vende. Eso no significa que se equivoque, pero sí obliga a comprobar si lo que propone se puede hacer hoy o es solo un buen discurso. Se puede hacer, y así funciona.
Hoy un administrador puede decidir qué proveedores de IA operan dentro de su organización y qué usuarios acceden a cada uno. Anthropic, por ejemplo, opera como subprocesador de Microsoft bajo los mismos términos contractuales y de protección de datos del resto de los servicios. Y en herramientas como Researcher o al construir agentes, se elige el modelo desde la propia interfaz.
Traducido: la organización decide el marco, y dentro de ese marco el LLM se vuelve intercambiable.
Compáralo con lo que pasa cuando no hay marco. Un empleado con prisa pega el listado de precios, el contrato o el plano en una cuenta personal de cualquier asistente. No hay política, no hay registro y no hay forma de saber qué salió. Ese es el riesgo real de la mayoría de las empresas hoy, y no tiene que ver con qué proveedor es mejor: tiene que ver con que nadie decidió nada.
Donde esto pesa de verdad es en empresas con patentes, fórmulas, diseños o métodos propios. Ahí el conocimiento que se filtra no es un dato suelto, es la ventaja competitiva completa.
Un detalle que conviene mirar antes de confiarse: no todos los modelos disponibles se comportan igual. Microsoft marca aparte los modelos en vista previa que retienen datos, los deja desactivados por defecto y exige que un administrador los habilite de forma explícita. La lección es que el perímetro protege en la medida en que alguien revisa la configuración, no por instalar el producto.
Lo que sí depende de ti
Nada de esto se resuelve eligiendo mejor proveedor. Se resuelve antes, con decisiones que no puedes delegar en nadie.
Empieza por aceptar que pagar licencias no construye nada propio. Lo que construye es que el criterio de tu equipo quede escrito en un lugar que puedas volver a usar mañana, incluso con otro proveedor.
Después ordena las definiciones. Suena mucho menos atractivo que lanzar un piloto de IA, pero una sola métrica que signifique lo mismo en todas las áreas rinde más que diez tableros nuevos.
Y entonces elige una decisión concreta, una sola: el pedido que se aprueba, el cliente que se retiene, el precio que se ajusta. Recórrela entera. Qué se decide, con qué datos, con qué definición acordada y quién revisa el resultado. Ese ciclo pequeño y funcionando enseña más que un plan de adopción a doce meses.
Al final todo vuelve a la misma pregunta, y no es cuál LLM contratar. Es dónde queda lo que tu empresa aprende mientras lo usa. Si vive en cuentas que nadie controla, no es tuyo. Si vive en tu entorno, cambiar de proveedor es una decisión técnica y deja de ser una pérdida.
Si quieres ver cómo se ordena ese punto de partida en un caso real, antes de elegir herramientas o proveedores, mira la demo gratuita.
Preguntas frecuentes
¿Qué son el capital humano y el capital de tokens?
Son los dos tipos de capital que según Satya Nadella toda empresa deberá construir. El capital humano es el conocimiento, el juicio, las relaciones y el reconocimiento de patrones de las personas. El capital de tokens es la capacidad de IA que la empresa construye y posee. El primero no pierde valor cuando crece el segundo: lo dirige.
¿Por qué dice Nadella que una frontera sin ecosistema no es estable?
Porque si el valor de la IA se concentra en unos pocos modelos que absorben el conocimiento de todas las industrias, la economía política no lo va a tolerar. Su propuesta es construir un ecosistema donde cada organización pueda ser dueña de su propio circuito de aprendizaje, no solo un modelo de frontera.
¿Cuál es el test para saber si una empresa controla su IA?
Poder reemplazar un modelo generalista sin perder la experiencia acumulada de la organización. Si al cambiar de proveedor la empresa vuelve al punto de partida, ese conocimiento nunca fue propio: estaba alojado en la herramienta.
¿Qué necesita una empresa antes de construir agentes de IA?
Definiciones de negocio ordenadas. Un agente sobre métricas ambiguas repite la ambigüedad más rápido. La memoria institucional consultable requiere que cada métrica esté definida una sola vez en una capa compartida, como un modelo semántico.
¿Elon Musk respaldó la tesis de Satya Nadella?
Musk citó la publicación con una sola palabra, Interesante. No escribió una adhesión detallada, pero que un competidor directo en inteligencia artificial la marque como relevante en lugar de discutirla indica que la tesis genera poca controversia dentro de la industria.
