Una conferencia de 1983 y cuatro ideas separadas por décadas.
Este fin de semana escuché una conferencia que Steve Jobs dio en 1983. Tenía 28 años y estaba describiendo con una precisión asombrosa algo que el mundo tardaría cuatro décadas en ver.
Capturé algunas de sus frases (algo que suelo hacer cuando leo un libro profesional o escucho un podcast):
«When you talk to somebody, understanding language is much harder than understanding voice.»
Leída hoy, en 2026, esa frase es una descripción exacta del problema que los LLMs han venido a resolver. En 1983, cuando los ordenadores personales apenas existían, Jobs ya había identificado el cuello de botella real, que no era la potencia de cálculo, ni la velocidad. Era algo tan humano como el lenguaje.
La interfaz entre persona y máquina siempre había exigido que la persona aprendiera el idioma de la máquina: comandos, sintaxis, lógica. Jobs intuyó que eso era el verdadero límite y lo enunció como principio: entender lenguaje natural es órdenes de magnitud más difícil que entender instrucciones de programación.
Todavía no sabía el mecanismo, pero si tenía clara la visión y la dirección.
Otra de las frases que capturé fue esta:
«What computer programming does is capturing the underlying principles of an experience. Not the experience itself, but the underlying principles of the experience.»
Principios subyacentes. No obvios. La estructura invisible que lo explica todo.
Y en ese punto, Jobs empezó a conectarse con otros puntos.
Pensamos en patrones. Y eso es a la vez nuestra fortaleza y nuestra trampa
Una de las ideas centrales que nos dejó Edward de Bono fue que nuestro cerebro no piensa, reconoce. Busca patrones conocidos, los activa, y los sigue. Es eficiente, al tiempo que peligroso.
El pensamiento lateral es la capacidad de saltar del patrón dominante a uno nuevo, que al principio parece absurdo, pero que al verlo con perspectiva cobra sentido. Como Jobs en 1983 hablando de inteligencia artificial antes de que existiera el concepto.
La mayoría de las organizaciones que conocemos están atrapadas en sus propios patrones. No porque sean torpes. Sino porque los patrones funcionan… hasta que dejan de funcionar.
La velocidad del sistema la marca su cuello de botella. Siempre.
Eliyahu Goldratt lo describió en “La Meta” con claridad. Da igual cuánto optimices el resto de la cadena. Si hay un cuello de botella, el sistema entero trabaja a su velocidad.
Pero hay algo más profundo aún, las organizaciones no sólo se adaptan a sus cuellos de botella. Se organizan alrededor de ellos.
Si hay pocos buenos programadores, creamos procesos de traducción de necesidades, de priorización, capas y más capas. Si tomar decisiones requiere pasar por tres eslabones jerárquicos, construimos estructuras de validación, informes, reuniones de coordinación.
La arquitectura organizacional es, en buena medida, una respuesta estructural a sus limitaciones históricas o actuales.
La IA no mejora los procesos. Elimina los cuellos de botella que los justificaban.
Y aquí está el salto que me parece más importante, y más ignorado.
Cuando hablamos con equipos sobre IA, la conversación suele empezar igual: ¿cómo podemos usar IA para hacer esto más rápido? Y esa es una pregunta válida. Pero es la pregunta corta, al pie, no ve el campo de juego completo.
La pregunta amplia es: si este cuello de botella desaparece, ¿qué parte de nuestra arquitectura organizacional deja de tener sentido?
Si un equipo pequeño puede generar y testear código como antes lo hacía uno grande, ¿qué pasa con el modelo de revisión? Si un modelo puede analizar datos y proponer decisiones en segundos, ¿qué pasa con las tres capas de análisis que existían previamente?
No sólo se trata de eficiencia. Puede tratarse de obsolescencia estructural.
De nuevo, Jobs lo intuyó en 1983:
«If Lisa had bombed, Apple would be just one more computer company.»
La apuesta no era por un nuevo ordenador. Era por un principio subyacente: que los ordenadores pudieran adaptarse al comportamiento de las personas, no al revés. Ese principio cambió la arquitectura de la interacción humano-máquina para siempre.
Pero los que ven la oportunidad primero no son los que pueden escalarla solos.
Andrew Ng lo explica de forma que me resulta muy reconocible:
«Bottom-up innovation matters because the people closest to problems often see solutions first. But scaling such ideas to create transformative impact often requires seeing how AI can transform entire workflows end to end, not just individual steps, and this is where top-down strategic direction and innovation can help.»
Lo vemos constantemente. Los mejores prototipos nacen de personas que están en el problema: la comercial que automatiza su seguimiento, la desarrolladora que usa IA para generar tests, la analista que deja de hacer informes manuales.
Pero escalar es otro reto muy diferente. Implica entender cómo esa mejora local cambia el flujo entero. Implica hacer la pregunta de Goldratt: ¿qué cuello de botella estamos eliminando? Y luego la pregunta más transgresora: ¿qué parte de la organización existía precisamente para gestionar ese cuello?
Un prototipo despega. La innovación a escala vuela sobre toda la ciudad.
Lo que Jobs veía en 1983 que nosotros aún estamos aprendiendo a ver
La última frase que capturé de su conferencia me parece la más sorprendente de todas:
«I don’t know how we’re going to do it, but we need a radio station.»
Tenía el principio subyacente. No tenía la forma. Y eso era suficiente para saber hacia dónde ir.
Creo que eso es exactamente lo que nos toca ahora. No saber exactamente cómo va a quedar la organización del futuro, pero sí tener claridad sobre el principio subyacente. Que cuando los cuellos de botella desaparecen, las estructuras que se construyeron para gestionarlos pierden su razón de ser.
Y que, por tanto, el trabajo no es optimizar lo que existe. Es imaginar lo que tiene sentido.
