
Sign up to save your podcasts
Or


Esta semana conectamos tres conversaciones que normalmente ocurren por separado: los avances de los agentes de IA, los intentos de regulación que empiezan a surgir en Estados Unidos y Europa, y la creciente batalla por el talento más escaso del planeta. Analizamos los movimientos de figuras clave que están migrando entre Anthropic, OpenAI y Google, el impacto que tuvo el lanzamiento de Mythos en la industria y las señales de que los grandes laboratorios están entrando en una nueva fase de competencia. También discutimos por qué algunos gobiernos están empezando a plantear mecanismos de control y supervisión más estrictos, mientras otros prefieren acelerar la innovación y dejar que el mercado avance.
Pero la conversación aterriza rápidamente en una pregunta más cercana: ¿qué significa todo esto para las organizaciones y para las personas? Hablamos de cómo los agentes están pasando de ser herramientas que requieren instrucciones detalladas a sistemas capaces de ejecutar tareas completas de principio a fin, y de cómo eso cambia las habilidades que serán valiosas en los próximos años. Reflexionamos sobre el futuro del trabajo, la importancia del criterio humano y el riesgo de que la velocidad tecnológica supere nuestra capacidad de adaptación. Un episodio sobre competencia, regulación y talento, pero sobre todo sobre cómo prepararnos para una nueva etapa donde la inteligencia artificial será cada vez más autónoma y el juicio humano será más importante que nunca.
Esta semana nos sumergimos en tres de las noticias más comentadas del ecosistema de IA: Mythos de Anthropic, los movimientos estratégicos de Microsoft y la evolución de herramientas como Codex. Conversamos sobre el misterio alrededor de Mythos, un modelo tan potente que inicialmente fue liberado solo a un grupo reducido de organizaciones para identificar riesgos y vulnerabilidades antes de llegar al mercado. También analizamos qué nos dicen estas decisiones sobre la carrera por la seguridad, la AGI y el futuro de los modelos más avanzados.
La segunda parte del episodio explora una pregunta más profunda: ¿estamos realmente acercándonos a la Inteligencia Artificial General o estamos construyendo sistemas cada vez más especializados y colaborativos? Hablamos de infraestructura, hardware, agentes, productividad y del papel que empresas como Microsoft están jugando en esta nueva etapa. Como siempre, aterrizamos la conversación al mundo del trabajo y las organizaciones: qué significa todo esto para líderes, profesionales y equipos que intentan entender hacia dónde se mueve la tecnología y cómo prepararse para un entorno donde los agentes serán cada vez más capaces, pero donde el criterio humano seguirá siendo el recurso más escaso y valioso.
En este episodio nos movemos entre dos mundos que aparentemente no se tocan, pero que terminan chocando de frente: los avances de Claude y los agentes de IA, y las preguntas profundamente humanas y éticas que empiezan a emerger alrededor de esta tecnología. Conversamos sobre cómo herramientas como Claude están redefiniendo la productividad intelectual —investigación, escritura, análisis y coordinación de tareas— y cómo los agentes ya empiezan a operar como compañeros de trabajo reales dentro de organizaciones. Pero también nos detuvimos en algo distinto: las discusiones filosóficas, sociales y hasta espirituales que empiezan a aparecer alrededor del impacto de la IA en la dignidad humana, el trabajo y el sentido de lo que hacemos.
La segunda parte del capítulo gira alrededor de una idea poderosa: cada revolución tecnológica termina necesitando una conversación ética que le dé dirección. Hablamos de liderazgo, responsabilidad, concentración de poder tecnológico y del riesgo de construir organizaciones hiper eficientes pero profundamente desconectadas. Cerramos con una reflexión práctica: la IA puede amplificar capacidades, pero las decisiones sobre cómo usarla —y qué preservar como humano— siguen siendo nuestras. Un episodio más filosófico que técnico, pero probablemente uno de los más importantes de la temporada.
Arrancamos la tercera temporada retomando la gran pregunta que viene atravesando Paralaje desde el primer episodio: ¿cómo cambia el trabajo cuando la IA deja de ser novedad y empieza a convertirse en infraestructura cotidiana? En esta conversación hablamos de lo que vimos durante las últimas semanas: agentes cada vez más integrados al trabajo diario, herramientas que reducen radicalmente la barrera para crear soluciones y organizaciones que ya no están preguntándose si usar IA, sino cómo hacerlo sin perder foco, cultura y criterio.
También aprovechamos el inicio de temporada para poner sobre la mesa hacia dónde queremos llevar las conversaciones de aquí en adelante: menos hype y más aplicación real. Hablamos de liderazgo, diseño organizacional, nuevas habilidades, colaboración humano-agente y el reto de construir empresas que aprendan rápido sin destruir el capital social que las hace funcionar. Un episodio para volver a tomar contexto, entender el momento en que estamos y abrir una nueva etapa de conversaciones sobre el futuro del trabajo, la tecnología y las organizaciones.
Cerramos la temporada con una conversación que mezcla lo técnico y lo humano: comparamos ChatGPT vs Claude desde la experiencia real de uso —no desde benchmarks—, hablando de estilos, capacidades, casos prácticos y en qué tipo de tareas cada uno está aportando más valor hoy en equipos de trabajo. Más que elegir “el mejor”, la discusión gira en torno a cómo combinarlos, qué rol puede jugar cada uno dentro de un flujo y por qué la ventaja no está en el modelo sino en el diseño del trabajo alrededor de ellos.
En la segunda parte hacemos un cierre de temporada: qué aprendimos después de 24 episodios, qué señales se repiten (vibe coding, agentes, flujos, gobernanza) y qué debería llevarse alguien que quiere aplicar esto en su empresa. Terminamos con una invitación clara para la siguiente etapa: menos ruido, más práctica —prototipar con propósito, medir con criterio y construir organizaciones que aprendan más rápido que el mercado.
En este capítulo desmontamos la conversación general y ponemos en el centro la pregunta práctica: ¿qué cambios del mercado laboral son reales hoy, cuáles son acelerados por la IA y cuáles son ruido mediático? Revisamos tendencias que ya se ven en datos y en la calle —automatización de tareas rutinarias, mayor demanda de habilidades digitales y analíticas, crecimiento del trabajo por proyectos y plataformas, y presión sobre mandos medios— y conversamos sobre sus efectos concretos en contratación, formación y retención. No es solo tecnología: es economía, diseño de trabajo y elección estratégica de las empresas.
En la segunda mitad aterrizamos recomendaciones para dos audiencias: líderes (qué priorizar en la planificación de talento, cómo diseñar rutas de reskilling y qué métricas pedir) y profesionales (qué aprender, cómo mostrar valor y cómo navegar la transición entre roles). Hablamos también de los riesgos sociales —brechas, precariedad y desajustes regionales— y de medidas prácticas que RH puede implementar desde ya: mapeos por flujo, pilotos de reconversión, redes internas de aprendizaje y gobernanza para automatizaciones. Dale play si quieres un diagnóstico claro, ejemplos reales y pasos concretos para tomar decisiones sensatas en un mercado laboral que se mueve rápido pero no es idéntico para todas las industrias.
En este capítulo nos metemos directo con lo que muchos evitan: ¿qué significa liderar cuando la IA ya no es una herramienta opcional sino parte del flujo de trabajo diario? Más que hablar de features o modelos, conversamos sobre decisiones humanas: cómo definir un norte claro para la organización, cómo permitir la experimentación sin perder la responsabilidad y qué rutinas debería tener un líder para que la tecnología amplifique la inteligencia colectiva en vez de reemplazarla. Contamos anécdotas de equipos que aprendieron a delegar tareas a agentes y al mismo tiempo fortalecieron las conversaciones que generan contexto y sentido.
La segunda mitad del episodio aterriza en lo práctico: redefinir prioridades (de puestos a flujos), coordinar TI y RH desde la planificación, crear puertas de gobernanza simples y diseñar rituales de aprendizaje —micro-revisiones, dueños de flujo, mecanismos de rollback— que conviertan prototipos en capacidades repetibles. Hablamos también de las habilidades que hoy importan para quienes mandan: criterio para priorizar, capacidad para desaprender, y la empatía para cuidar el capital social de la organización. Si eres directivo, gerente de proyecto o responsable de transformación, te llevas un pack de preguntas concretas para aplicar mañana y evitar las trampas más comunes al introducir IA en equipos reales.
En este capítulo contamos cuándo y cómo los agentes dejaron de ser una promesa técnica para convertirse en herramientas concretas de trabajo: integraciones como Cloud Cowork/Cloud Code, agentes que navegan en Chrome, orquestadores que revisan páginas, consolidan información y generan borradores listos para usar. Compartimos ejemplos reales —investigaciones de competencia hechas por un agente, propuestas comerciales preparadas en minutos, y procesos contables analizados automáticamente— que muestran por qué la productividad ya no es una hipótesis sino una práctica cotidiana.
También abordamos las preguntas que trae esa adopción masiva: ¿qué cambia en las habilidades y en la gestión (de hacer a supervisar)? ¿cómo evitar la adicción a la herramienta y priorizar con criterio? Y claro, hablamos de riesgos y gobernanza: privacidad de datos, responsabilidad cuando un agente falla y la necesidad de decidir qué automatizar y qué dejar humano. Cerramos con una invitación práctica: prototipa con propósito, prioriza lo que realmente aporta valor y define roles claros antes de escalar.
En este episodio hacemos una pausa para mirar la otra cara del entusiasmo: por qué voces muy visibles —desde investigadores hasta líderes de la industria— hablan de riesgos graves cuando se trata de agentes y modelos cada vez más autónomos. Repasamos casos recientes (el agente experimental de Steinberg, integraciones tipo Cloud Cowork, y movimientos corporativos) y explicamos por qué la conversación dejó de ser sólo técnica y pasó a ser política, económica y ética. Hablamos de concentración de poder, fuga de datos, seguridad de los agentes y la tensión entre la velocidad de adopción y la necesidad de controles —todo ello con ejemplos y anécdotas de uso real.
La segunda parte del episodio es más reflexiva y práctica: confrontamos las alertas apocalípticas (Eliezer Yudkowsky, Geoffrey Hinton y otros) con posturas más moderadas, discutimos por qué no basta con regular apresuradamente y proponemos medidas concretas —educación de usuarios, políticas de gobernanza, decisiones sobre on-premise vs nube y planes de transición laboral— para mitigar daños y aprovechar oportunidades. Terminamos con una invitación: escuchar con atención, informar las decisiones en la empresa y probar soluciones que pongan al humano en el centro del diseño. Dale play para escuchar el debate completo y las recomendaciones prácticas.
Esta semana hablamos de cómo los agentes están pasando de la promesa al escritorio: herramientas como Cloud Cowork, Cloud Code y los copilotos ya realizan tareas concretas (buscar archivos, consolidar información, preparar borradores) y están reconfigurando la manera en que nos coordinamos. En la conversación contamos ejemplos prácticos —desde asistentes que ordenan y resumen cientos de artículos hasta agentes que participan en flujos de consultoría— y discutimos por qué la colaboración ya no es sólo humano-a-humano sino una triangularidad en la que los agentes median, potencian o piden intervención según el caso.
Más allá del asombro técnico, nos interesó lo social: los agentes pueden reforzar la centralidad de expertos (quienes mejor aprovechan la IA ganan visibilidad) pero también pueden aislar relaciones si no se diseñan con cuidado. Conversamos sobre riesgos (seguridad, gobernanza, exposición de datos) y sobre la oportunidad real —el mercado y la red organizacional serán los jueces—. Cerramos con un llamado práctico: diseñar colaboraciones máquina–humano que obliguen la revisión y la conversación en hitos clave, prototipar rápido y dejar que el uso real muestre si vale la pena escalar.
From the publisher's feed