El último kilómetro de la IA: ¿Por qué el futuro es personalizado y no de un tamaño único?

Durante la mayor parte de los últimos cincuenta años, el software se ha desarrollado para personas que se sientan en oficinas. Las plataformas tradicionales son esencialmente bases de datos estáticas con una interfaz envuelta alrededor de ellas. Se sientan allí, inmóviles, y requieren que los humanos trabajen alrededor de ellas: para alimentarlas con información, para ingresar datos en ellas, para navegar por su lógica rígida y predefinida. En este arreglo, el ser humano ha quedado silenciosamente como el pegamento manual, pasando el día laboral cubriendo las brechas entre herramientas fragmentadas.

Este impuesto operativo es más doloroso en nuestras vidas móviles. Imagina reservar una reunión simple mientras estás fuera y about. Abres una aplicación de calendario, tocas, escribes, tocas. Luego saltas al correo electrónico para recuperar el vago recuerdo de algunas palabras clave, buscas la dirección correcta, la copias y saltas de regreso al calendario. Es una experiencia extrañamente deshumanizante. El usuario se ve obligado a seguir la lógica del software en lugar de que el software siga la intención del usuario, manteniendo el contexto roto en su cabeza y volviéndolo a unir a mano.

El ser humano como pegamento manual

Vimos esto claramente mientras construíamos para móviles en Google. El mundo solo ha agudizado el problema desde entonces. Cada vez más trabajo de alto valor sucede en el mundo real en lugar de en un entorno de oficina estático. Sucedede en charlas de café, en presentaciones externas, en asociaciones. Y la unidad de negocio se está encogiendo constantemente, desde la corporación hasta el equipo hasta el individuo.

Los datos lo respaldan. Según la Oficina del Censo de los Estados Unidos, el número de empresas de una sola persona en los Estados Unidos creció a un ritmo promedio del 2,7 por ciento anual entre 2012 y 2023, más del doble del ritmo del 1,1 por ciento de las empresas con empleados, y ahora constituyen la gran mayoría de todos los negocios estadounidenses. Estamos entrando en la era de lo que yo considero el superindividuo: un solo operador que puede dirigir una operación global con una pequeña flota de agentes que realizan el trabajo. Cuando la unidad de trabajo se reduce al individuo, el diseño de nuestras herramientas tiene que dar un giro. En lugar de que los humanos sigan al software, el software tiene que seguir a los humanos.

El último kilómetro de la IA

Los asistentes generales como ChatGPT y Gemini son un salto genuino. Dejan que las personas logren más, más rápido, en un rango extraordinario de tareas. Pero hay un vacío entre un modelo que es generalmente capaz y una herramienta que realmente se adapta a tu vida, y en la IA ese vacío es el último kilómetro. Es donde se encuentra la mayoría del valor real, y es la parte que casi nadie ha resuelto.

Un modelo general llega como un nuevo empleado brillante el primer día. Es fluido, rápido y ampliamente leído, pero no conoce a tus clientes, tus preferencias, el lenguaje abreviado que usas, ni la forma en que te gustan las cosas. Poderoso no es lo mismo que tuyo. Un modelo general es, por diseño, el mismo para todos los que lo abren. Lo que la gente realmente necesita es lo contrario: algo moldeado para una persona, que crece más con ellos cuanto más lo usan.

Históricamente, ese último kilómetro ha sido costoso. Estar adaptado a una persona significaba contratar a un asistente ejecutivo o a un jefe de personal, o encargar software personalizado, opciones reservadas para grandes empresas y los ricos. Así que el resto de nosotros nos conformamos con herramientas generales y nos entrenamos silenciosamente para adaptarnos a ellas. El costo de la personalización es la razón por la que la mayoría de las personas nunca la han tenido. Lo que está cambiando ahora es ese costo. A medida que disminuye, la cosa que la gente ha querido silenciosamente se vuelve posible a escala de uno. La gente no anhela realmente más capacidad genérica. Anhela algo que sea suyo.

Esto no es solo una cuestión de gusto, y la evidencia es más aguda de lo que parece. El valor de la IA no se distribuye uniformemente en las tareas. En un gran experimento de campo realizado por Harvard Business School con Boston Consulting Group, 758 consultores que usaron GPT-4 completaron alrededor del 12 por ciento más de tareas, aproximadamente un 25 por ciento más rápido, con mayor calidad, pero solo para el trabajo que se encontraba dentro de lo que los investigadores llamaron la frontera tecnológica irregular. En una tarea deliberadamente elegida para estar fuera de esa frontera, las personas que usaron la IA fueron un 19 por ciento menos propensas a llegar a la respuesta correcta. Los beneficios aparecen cuando la herramienta se ajusta estrechamente a los contornos reales del trabajo, y se desvanecen, o incluso se invierten, cuando no es así. El ajuste no es un toque final. Es donde vive el valor.

También hay dos tipos de empoderamiento que vale la pena separar. Uno te ayuda a hacer algo que no podías hacer antes. El otro te libera de las cosas en las que tu tiempo se ha vuelto demasiado valioso para gastarlo. Los modelos generales son muy buenos en el primero. El segundo es una cuestión de ajuste, y el ajuste tiene que ser personalizado. Esta es la diferencia entre una herramienta que te hace más capaz y una herramienta que se convierte en una extensión de ti.

De destino a sidecar

Si la personalización es la propiedad, ¿cuál es la forma? Aquí ayuda tomar prestado un término de la arquitectura de software. En los sistemas distribuidos, el patrón de sidecar adjunta un proceso de ayuda a un servicio principal para manejar el trabajo transversal: registro, configuración, red, observabilidad. El servicio principal se enfoca en su trabajo real mientras que el sidecar absorbe silenciosamente la complejidad operativa a su lado.

Creo que el mismo patrón está llegando para las personas. En lugar de una herramienta que visitas, la próxima generación de software personal se comportará como un sidecar unido a ti, trabajando proactivamente dentro de las aplicaciones en las que ya vives. No un destino. Un compañero que cabalga junto a ti, y uno que es personalizado por naturaleza, porque está unido a una sola persona y aprende solo de ellos. Un sidecar útil, en lugar de un chatbot que debes iniciar desde cero cada mañana, descansaría sobre tres pilares.

Tres pilares de un sidecar personal

Capacitación y memoria persistente. Un sidecar no es una herramienta que debes explicar todos los días. Es algo que enseñas una vez. Cuando describes una preferencia o un flujo de trabajo, recuerda, construyendo una tienda privada de memoria individual que viaja contigo y captura la sutileza de cómo trabajas específicamente. Este es el último kilómetro, acumulando.

Observación y agencia. Un sidecar observa, piensa y actúa. Se mueve de conocer hechos a hacer tareas: filtrar el ruido, conectar los puntos, redactar la respuesta, mantener el hilo de un proyecto para que no tengas que hacerlo.

Exploración y transacción. Con el tiempo, este compañero lleva tu contexto y tus relaciones a través de diferentes piezas de software. Te ayuda a encontrar la introducción correcta, a surfacear la oportunidad correcta y, eventualmente, incluso a transactar en tu nombre.

De saber a hacer

El cambio técnico más profundo que subyace a todo esto es un movimiento de recuperación a acción. La generación mejorada con recuperación, la técnica de basar la salida de un modelo en documentos relevantes que busca en el acto, hizo que los asistentes de hoy sean buenos en saber cosas. El siguiente paso es la persistencia y la agencia: compañeros diseñados no solo para responder, sino para ejecutar.

La industria ya se está moviendo en esta dirección. Gartner espera que para fines de 2026, el 40 por ciento de las aplicaciones empresariales incluirán agentes de IA específicos de tarea, en comparación con menos del 5 por ciento en 2025, un cambio que describe como un movimiento de asistentes que responden a agentes que actúan.

Hay un beneficio más silencioso aquí también, uno que las organizaciones tienden a subestimar: la memoria institucional. En un mundo de alta rotación y asociaciones fluidas, una cantidad enorme de contexto sale por la puerta cada vez que alguien deja un rol. Un compañero unido al individuo captura la experiencia y las relaciones que de otro modo se perderían, y mantiene ese contexto intacto y utilizable.

Pero esta misma abundancia crea una trampa. A medida que los agentes permiten que las personas asuman más, las personas silenciosamente asumen más: más para recordar, más para actuar, más para cambiar, más para mantener en sus cabezas al mismo tiempo. Hay un techo biológico para cuánto de eso puede llevar una persona. El punto de un sidecar es sentarse debajo de ese techo y absorber la carga, no apilar más sobre él.

Rehumanizando el trabajo

El objetivo real no es automatizar a las personas. Es sacarlas del software y devolverlas a la sala. La investigación de McKinsey sobre el trabajo del conocimiento encontró que el trabajador de interacción promedio pasa alrededor del 28 por ciento de la semana en correo electrónico y casi otro 20 por ciento buscando información interna o rastreando al colega correcto, antes de sumar las reuniones internas y la coordinación. Eso es la mayor parte de una semana gastada en impuestos operativos en lugar de en el trabajo en sí.

Si un compañero puede absorber esa capa administrativa estática, el tiempo que devuelve no tiene que fluir de regreso a la máquina. Puede volver a las charlas de café, a las asociaciones y a las decisiones judiciales donde se crea el valor real. Esto no se trata de reemplazar al ser humano en el bucle. Se trata de sacar al ser humano de las partes del bucle que nunca fueron un buen uso de un ser humano en primer lugar.

El futuro de la IA probablemente no es una caja con la que hablas, y no es un modelo que sirve a todos de la misma manera. Es más probable un compañero que es inconfundiblemente tuyo: uno que camina junto a ti, aprende cómo trabajas y maneja silenciosamente las partes que no deberías tener que hacer.

Así que la pregunta con la que vale la pena sentarse no es cómo suena tu IA. Es más simple que eso: ¿cuánto de tu semana se gasta siendo el pegamento, y qué harías con ese tiempo si lo recuperaras?