Allocation Economy, y el fin de la economía del conocimiento.
La inteligencia artificial no te va a quitar tu trabajo, pero sí te cambiará de rol. Bienvenidos a la era donde gestionar inteligencias será más valioso que tenerlas.
Hola! como cada semana aquí, escribo sobre temas en la intersección de producto, tech, marketing y emprendimiento, compartiendo mis experiencias en este viaje digital.
Acá están algunos de los más recientes artículos que puede que te hayas perdido:
LaunchBox Lab: el primer laboratorio de MVPs de Latam
NotebookLM: Guía definitiva 2025 [Casos Prácticos]
Claude AI: La guía definitiva para usarlo en tu día a día. [Actualizado Abril 2025]
La única validación que importa.
El dilema del MVP: ¿Cuánto es suficiente antes de lanzar?
Esta semana estuve un poco reflexivo al rededor de la adopción de la inteligencia artificial en los equipos de producto y en general por parte de los que estamos creando proyectos nuevos.
Así que investigando encontré un concepto interesante sobre lo que se conoce como la Allocation economy o economía de la asignación, un nuevo paradigma del management moderno que ha surgido a partir del impacto de la inteligencia artificial en nuestras vidas. Así que aquí van mis reflexiones.
Escucha esta entrada comentada (Te enseño a hacerlo con IA aquí):
Un cambio de era.
Durante años hemos repetido como mantra que vivimos en la economía del conocimiento.
Que saber más, entender mejor y aplicar ese conocimiento de forma eficaz era la clave para crear valor económico.
Profesiones basadas en habilidades cognitivas.
Empresas donde el “capital intelectual” era el activo clave.
Mercados que valoraban la experiencia por encima de la ejecución mecánica.
Con la democratización del acceso a internet, educación online, software especializado, el juego cambió: lo que era escaso se hizo abundante.
Sin embargo, lo que estamos presenciando en la era de la inteligencia artificial es un cambio radical y estructural.
No un simple upgrade de tecnología, sino una transformación en el modo en que el valor se genera.
Los modelos de IA ya no solo nos ayudan a buscar información o a automatizar procesos repetitivos. Ahora sintetizan, crean, deciden, resuelven problemas con niveles de precisión asombrosos.
Actividades que antes requerían del juicio humano empiezan a ser absorbidas por sistemas capaces de ejecutar tareas cognitivas a una velocidad y escala inalcanzables para nosotros.
La IA no nos está quitando el conocimiento. Nos está obligando a redefinirlo.
El conocimiento sigue siendo valioso, pero su aplicación operativa pasa a ser tarea de modelos automatizados.
Esto plantea una pregunta incómoda: si las máquinas pueden saber y hacer casi tan bien como nosotros, y en muchos casos mejor,
¿dónde queda el valor del ser humano en este nuevo paradigma?
La respuesta nos lleva a la aparición de un nuevo tipo de economía: la economía de la asignación o en inglés The Allocation Economy.
📌 ¿Eres product manager, product designer, agile coach, product marketer, developer, project manager, o simplemente te gustaría conectar con otros que están viviendo lo mismo que tu en tech?
Te invito a unirte a Gente de Producto Latam, mi comunidad en whatsapp.
¿Qué es la Allocation Economy?
La habilidad clave ya no necesariamente es hacer el trabajo, sino decidir qué trabajo debe hacerse, quién lo hace (IA, personas, procesos) y cómo se evalúa su calidad.
Así nace la Economía de la Asignación:
No se premia saber hacer, sino saber gestionar.
Los trabajadores dejan de ser operadores de conocimiento para convertirse en asignadores de recursos cognitivos.
Modelos de IA se convierten en equipos virtuales a los que hay que dirigir, evaluar y optimizar.
En la Economía de la Asignación, la prioridad ya no es acumular activos, sino aprovechar al máximo los recursos disponibles, asegurando que cada uno se use de forma eficiente y genere verdadero impacto.
Los modelos económicos tradicionales han estado centrados en la propiedad y en un crecimiento lineal: más productos, más activos, más capital. Pero en el mundo acelerado de hoy, la agilidad y la asignación inteligente de recursos están demostrando ser mucho más valiosas que la simple acumulación.
La Economía de la Asignación responde a esta realidad, llevando a las empresas a replantearse cómo utilizan sus recursos existentes, en lugar de enfocarse únicamente en ampliarlos.
Ya sea el tiempo de un equipo, las herramientas tecnológicas de una compañía o incluso las finanzas, la asignación busca maximizar el valor a través de un uso estratégico y consciente.
Este enfoque es especialmente relevante para industrias que están en constante innovación o que enfrentan demandas impredecibles, como la tecnología, la automotriz e incluso segmentos del sector financiero.
Además, se conecta con tendencias emergentes en modelos de economía compartida, desde los espacios de coworking hasta el software de código abierto. Comprender este cambio de mentalidad es clave para los líderes que quieren mantenerse al ritmo de la velocidad tecnológica y de las transformaciones del mercado actual.
Más que una moda pasajera, este cambio representa una nueva forma de pensar el negocio, que los líderes y creadores de todas las industrias necesitan entender y aplicar cuanto antes.
🎁 Aprovecha el 50% de descuento en los primeros 3 meses de suscripción que Ekko, la plataforma #1 de marketing de referidos y afiliados, tiene para ti por ser suscriptor de mi newsletter.
De saber hacer a saber asignar: el cambio estructural.
El rol central ya no es ser el hacedor, sino ser el gestor.
En esta transición que estamos viviendo, ya no serás valorado por cuánto sabes, sino por qué tan bien puedes asignar y gestionar recursos para lograr que el trabajo se haga.
Es un cambio de mentalidad profundo.
Pasamos de medir el valor por la cantidad de conocimiento operativo a medirlo por la capacidad de asignar recursos para lograr los objetivos.
Esto no significa que el conocimiento pierda valor, sino que su ventaja competitiva se traslada: de saber ejecutar, a saber decidir con criterio.
El mejor ejemplo lo vemos ya en profesiones creativas y técnicas.
Un redactor no compite con ChatGPT escribiendo palabra por palabra. Su valor está en definir el tono, la intención, la relevancia de lo que la IA debe generar.
Un diseñador no lucha contra DALL·E creando desde cero, sino dirigiendo la estética, el mensaje y la coherencia de las imágenes que la IA produce.
En ambos casos, el profesional se convierte en un gestor de modelos, no en un simple ejecutor.
Hoy en día, ya existe un grupo de personas cuya labor diaria es precisamente esa: los gerentes o managers.
En teoría, los managers saben cómo evaluar talento, gestionar sin caer en la microgestión y estimar cuánto tomará ejecutar un proyecto. En cambio, los colaboradores individuales, quienes realizan el trabajo operativo, no necesariamente han desarrollado esas habilidades hasta ahora.
En lugar de liderar equipos humanos, estarán asignando tareas a modelos de IA y asegurándose de que el trabajo se ejecute con calidad.
Por lo tanto, necesitarán muchas de las mismas competencias que hoy tienen los gerentes tradicionales, aunque adaptadas a este nuevo contexto.
Las 4 nuevas habilidades de los Nuevos Creadores
Visión coherente y especificidad en la ejecución
Los creadores de hoy deben tener una visión coherente del trabajo que quieren lograr.
Quienes gestionan equipos humanos necesitan construir una visión que sea articulada, específica, concisa y con un propósito claro. Los gestores de modelos deberán desarrollar exactamente la misma capacidad.
Cuanto mejor se articule esa visión, mayores serán las probabilidades de que el modelo de IA la ejecute de manera adecuada.
A medida que los prompts se vuelvan más específicos y directos, la calidad del trabajo realizado también mejorará.
Los modelos de lenguaje, por sí mismos, no requieren tener un propósito claro, pero para gestionarlos tendremos que definirlo, tanto para orientar su trabajo como para mantener su propio compromiso con los resultados.
El reto está en que articular una visión concisa, específica y coherente no es fácil.
Es una habilidad que se desarrolla con años de práctica.
En gran medida, se trata de cultivar un buen criterio para las ideas y el lenguaje. Afortunadamente, ese es un terreno en el que los propios modelos de lenguaje también pueden ser aliados valiosos (Lee aquí Claude AI: La guía definitiva para usarlo en tu día a día. [Actualizado Abril 2025]) .
El prompting eficaz no es intuición, es estrategia. Necesitas saber definir:
Qué quiero lograr.
Qué restricciones son clave.
Qué variables debo controlar.
Necesitamos desarrollar frameworks de prompting que puedan ser replicados y escalados.
Buen gusto y criterio editorial (sense of quality)
Saber lo que se quiere y saber cómo comunicarlo. Los gestores de modelos se enfrentarán exactamente al mismo desafío.
Cuanto más definido tengamos nuestro criterio, mejor podrán los modelos de lenguaje crear resultados coherentes y alineados con nuestras expectativas.
La buena noticia es que los propios modelos de lenguaje son aliados para ayudar a las personas a articular y refinar su propio criterio. Por eso, es muy probable que esta habilidad se democratice y se vuelva mucho más común en el futuro.
Una vez que tienes un criterio claro y una visión coherente, el siguiente paso es saber evaluar quién (o qué) es capaz de ejecutar esa visión correctamente.
La IA nos dará mil opciones.
Pero como gestores tendremos que definir cuál versión o herramienta cumple con la intención estratégica y el estándar de calidad que requerimos.
Evaluación de modelos y selección de herramientas
Parte de la gestión de talento se traslada a la gestión de modelos:
¿Qué modelo sirve mejor para X tarea?
¿Cuándo conviene un LLM generalista vs. un modelo especializado?
¿Cómo distribuir tareas entre humanos e inteligencia artificial?
Todo buen manager sabe que contratar bien lo es todo.
Si los empleados son quienes ejecutan el trabajo, la calidad del resultado será un reflejo directo de sus habilidades y capacidades.
Saber juzgar adecuadamente esas habilidades y delegar tareas a las personas correctas es una de las competencias más importantes de un buen gerente.
Los gestores de modelos del futuro (o del presente) tendremos que aprender exactamente lo mismo. Saber qué modelos de IA utilizar para cada tipo de tarea.
Tendrán que ser capaces de evaluar rápidamente nuevos modelos, incluso aquellos que nunca han usado antes, para determinar si cumplen con el nivel de calidad requerido.
También necesitarán entender cómo descomponer tareas complejas en partes más pequeñas, asignando cada una al modelo más adecuado, para lograr un resultado final de alta calidad.
La evaluación de modelos será, en sí misma, una habilidad clave.
(Lee aquí Product Managers en la era de la IA: Adaptarse o volverse irrelevante)
Sin embargo, hay razones para pensar que será más sencillo evaluar modelos que evaluar personas, al menos porque los primeros son mucho más fáciles de probar: están disponibles las 24 horas, son relativamente baratos, no se aburren ni se quejan, y entregan resultados de inmediato.
Una vez que logren reunir los recursos adecuados para ejecutar el trabajo, se enfrentarán al siguiente gran reto: garantizar que el trabajo esté bien hecho.
Saber cuándo entrar en el detalle
El buen gestor sabe cuándo hacer zoom-in, validar hipótesis, corregir desviaciones y asegurar la alineación con los objetivos.
La tentación de delegar todo a la IA es peligrosa.
Los mejores gestores saben cuándo y cómo involucrarse en los detalles.
Un buen gerente sabe cuándo profundizar y cuándo dejar que su equipo tome la iniciativa. Sabe qué preguntas hacer, cuándo hacer seguimiento y cuándo dejar que las cosas fluyan. También entiende que el hecho de que algo no se haya hecho exactamente como él lo haría no significa que esté mal hecho.
Estos no son problemas que los colaboradores individuales en la economía del conocimiento tengan que enfrentar.
Pero son, precisamente, los desafíos a los que nos enfrentaremos como gestores de modelos en la economía de la asignación.
Saber cuándo y cómo entrar en los detalles es una habilidad que se puede aprender.
Y, afortunadamente, los modelos de lenguaje estarán diseñados para realizar seguimientos inteligentes en momentos críticos donde se requiera supervisión. Esto significa que no todo el peso recaerá sobre los gestores de modelos.
La gran pregunta es: ¿todo esto es realmente algo bueno?
¿Es la economía de la asignación buena para la humanidad?
La transición de una economía del conocimiento a una economía de la asignación no sucederá de la noche a la mañana.
Cuando hablamos de “gestión de modelos”, en el corto plazo eso se traducirá en reemplazar micro-habilidades, como resumir reuniones en correos electrónicos, más que en automatizar tareas completas de principio a fin.
Incluso si la tecnología ya lo permite, habrá muchas áreas de la economía que tardarán en adaptarse, si es que alguna vez lo hacen.
Hace unos meses tomé un taxi regresando de un viaje, no llevaba efectivo, cuando fui a pagar me di cuenta, por lo que le pregunté al conductor si recibía pago con tarjeta o le podía transferir por alguna billetera digital, su respuesta fue un tajante: “No acepto pagos diferentes a efectivo”.
Creo que algo similar ocurrirá con la adopción de los modelos de lenguaje: habrá muchos lugares donde podrían utilizarse para aumentar o reemplazar el trabajo humano, pero no se hará. Las razones serán diversas: inercia, regulaciones, aversión al riesgo o incluso temas de marca.
Y creo que eso es algo normal.
Cuando se trata de cambios, la dosis es la que hace el veneno. La economía es un sistema enorme y complejo, y tendremos tiempo para adaptarnos a estos cambios.
Además, esta transferencia paulatina de las tareas de pensamiento humano hacia las máquinas no es algo nuevo. Los modelos generativos de IA son la continuación de un proceso que lleva décadas.
En su libro de 2013 Average Is Over, el economista Tyler Cowen hablaba de una estratificación en la economía impulsada por las máquinas inteligentes.
Sostenía que un pequeño grupo de trabajadores altamente cualificados, capaces de colaborar eficazmente con las computadoras, obtendría grandes beneficios, mientras que el resto podría quedarse rezagado:
“Si tú y tus habilidades complementan a la computadora, tus perspectivas salariales y laborales serán alentadoras. Si no, deberías trabajar en reducir esa brecha. Cada vez más personas están quedando a uno u otro lado de esa división. Por eso, lo ‘promedio’ ha dejado de ser suficiente.”
En aquel momento, Cowen no se refería a la inteligencia artificial generativa. Hablaba de iPhones e internet. Pero los modelos generativos de hoy simplemente amplifican esa misma tendencia.
Las personas que sepan aprovechar los modelos de lenguaje en su vida diaria tendrán una ventaja significativa en la economía. Habrá enormes recompensas para quienes dominen el arte de asignar inteligencia de forma eficaz.
Hasta hoy, la gestión ha sido una habilidad reservada para unos pocos, en gran parte porque es costoso formar gerentes: hace falta darles un equipo de personas para que aprendan y practiquen.
Pero la IA es lo suficientemente accesible como para que, en el futuro, cualquiera tenga la oportunidad de ser gerente, lo cual multiplicará exponencialmente el potencial creativo de cada persona.
Eso sí, dependerá de nosotros asegurarnos de que, con estas herramientas, logremos llevar al resto de la economía en este viaje de transformación.
Sigo recibiendo preguntas para Pregúntame sobre Producto, un espacio de preguntas y respuestas, dónde comparto mis experiencias para tu crecimiento profesional en tech y producto.
Asignar es liderar
La Economía de la Asignación no es un fin, es una transición:
De la producción a la dirección.
De la ejecución a la selección.
Del conocimiento tácito al conocimiento aplicado estratégicamente.
La gestión será el lenguaje universal del futuro. Saber dirigir inteligencias (humanas y artificiales) será la habilidad que definirá a los creadores de la próxima década.
Nos leemos la próxima semana.
Oscar Durán - @duranoscarf en instagram, X y Linkedin
Comparte Un viaje digital con alguien que creas le puede agregar valor.
Lo que se puede inferir de tu escrito es que la base de la “administración y gerencia” será fundamental para trabajar de forma híbrida entre humanos y máquinas.
Estoy de acuerdo con este análisis coherente. Quiero agregar un par de aspectos que saltan en mi mente al finalizar de leer este artículo.
Como Project Manager, me estoy entrenando en el uso de IA a través del Prompt Engineering, ya que me permite realizar mi trabajo más eficazmente. Esto me lleva a reflexionar sobre el futuro que enfrentarán mis hijos (de 3 y 7 años) en aproximadamente 20 años, cuando ingresen al mercado laboral. Hay dos puntos principales en mi reflexión:
1. ¿Hasta qué punto debo permitir el uso de pantallas a mis hijos en este momento de sus vidas?
2. ¿Cuándo deben ellos comenzar a conocer y usar la IA?
Sobre el primer punto, prefiero que tengan una exposición mínima a celulares y computadores. Mi esposa y yo nos inclinamos por que exploren la naturaleza y desarrollen conexiones sociales en el mundo real, en lugar de estar conectados a un computador desde edades tan tempranas. Sin embargo, la experiencia me ha enseñado que necesitarán conocer y manejar estas herramientas para desenvolverse en el mundo. Me pregunto: ¿cuándo debo introducirlos a la IA? ¿Debo dejar esta responsabilidad exclusivamente en manos de sus colegios? (esta última opción no me convence).
Creo que esto es algo que solemos pasar por alto en nuestras conversaciones, deslumbrados por el efecto sorprendente que produce la eficacia y velocidad de la IA. Es importante hacer una pausa y reconocer que, para utilizar la IA de manera efectiva y asignar recursos adecuadamente en cualquier tarea, el conocimiento humano y la experiencia práctica en el mundo real son la base fundamental, imprescindible e innegociable para poder emplear estas nuevas herramientas con criterio.