El nuevo capital dentro de una empresa
Antes pensaba en la IA principalmente como una capa de capacidad.
La agregas a un flujo. Haces un proceso más rápido. Resumes algo. Generas algo. Automatizas una tarea que antes era manual.
Eso sigue siendo útil, pero ahora se siente demasiado pequeño.
La mejor forma de pensar en la IA es como un nuevo tipo de capital dentro de una empresa. No capital en el sentido financiero, sino en el sentido productivo. Una empresa tiene capital humano. Tiene marca. Tiene conocimiento operativo, relaciones, procesos, datos, criterio, gusto y hábitos que se han acumulado con el tiempo.
La IA le da a las empresas una nueva pregunta:
¿Cuánto de eso puede componerse?
Capital de tokens
Cada empresa va a tener alguna versión de capital de tokens.
Me refiero a la capacidad reutilizable de IA que sale del trabajo de la empresa: prompts, flujos, trazas de agentes, evals, comportamiento ajustado, contexto interno, modelos, interacciones con clientes, patrones de soporte, decisiones de producto y pequeños pedazos de criterio que se van incorporando a los sistemas.
Lo interesante es que capital de tokens no significa simplemente "usamos IA".
Eso sería como decir que una empresa tiene estrategia financiera porque tiene una cuenta bancaria.
La pregunta real es si la empresa está convirtiendo su trabajo diario en inteligencia reutilizable. ¿Las conversaciones, ediciones, decisiones, excepciones y correcciones se vuelven parte de un ciclo de aprendizaje? ¿O desaparecen en chats y sistemas de proveedores sin crear una ventaja duradera?
El conocimiento tácito es el tesoro
Muchas empresas hablan de datos como si los datos fueran todo el activo.
Creo que eso deja fuera lo más importante: el conocimiento tácito.
El conocimiento tácito es lo difícil de escribir. Es cómo un buen clínico sabe que una nota se siente mal. Es cómo alguien de soporte sabe que un cliente está ansioso aunque el ticket parezca simple. Es cómo una persona de producto sabe que una función es técnicamente correcta pero emocionalmente confusa.
Ese conocimiento normalmente vive en las personas.
También vive en artefactos: emails, tickets, mensajes, notas de llamadas, specs, entrevistas, code reviews, documentos de onboarding, objeciones de venta y detalles de implementación. Pero los artefactos no son el conocimiento por sí solos. El conocimiento está en el patrón de criterio detrás de ellos.
La IA puede empezar a capturar esos patrones.
Eso es poderoso, pero también delicado. Si el conocimiento más valioso de una empresa empieza a expresarse a través de herramientas de IA, la pregunta es: ¿a dónde va ese conocimiento?
Si entrena sistemas que la empresa controla, se compone.
Si se filtra a sistemas que la empresa no controla, la empresa puede estar regalando lo que la hacía especial.
La cadena de suministro de IA
Por eso creo que cada empresa necesita entender su cadena de suministro de IA.
No de forma vaga. De forma concreta.
¿Qué modelos se usan? ¿Qué datos se mandan? ¿Qué trazas se crean? ¿Quién es dueño de los outputs? ¿Qué ciclos de feedback existen? ¿Qué se aprende de los usuarios? ¿Qué se convierte en IP reutilizable? ¿Qué sale de la empresa para siempre?
En salud esto se siente especialmente importante. Un flujo clínico está lleno de contexto sensible, criterio profesional, matices del paciente y patrones específicos de cada especialidad. Si un sistema de IA ayuda a un clínico a documentar más rápido, excelente. Pero el valor de largo plazo no es solo la nota. Es el ciclo de aprendizaje alrededor de cómo los clínicos editan, corrigen, confían, rechazan y adaptan el output.
Ese ciclo es parte del producto.
También es parte de la inteligencia futura de la empresa.
La empresa como sistema de aprendizaje
Las empresas que más me interesan van a parecerse menos a organigramas estáticos y más a sistemas de aprendizaje.
Las personas seguirán importando profundamente. Probablemente más que nunca. Pero su trabajo creará trazas que los agentes pueden aprender, los sistemas pueden reutilizar y los equipos pueden inspeccionar.
La ventaja vive en ese ciclo:
- Las personas hacen trabajo.
- La IA ayuda con el trabajo.
- La empresa captura la traza.
- La traza mejora el sistema.
- El sistema mejorado ayuda a las personas a trabajar mejor.
El error es pensar que la ventaja es simplemente tener acceso al mejor modelo. Los modelos importan, pero acceso no es lo mismo que capacidad propia.
La capacidad viene de la combinación de modelo, contexto, flujo, feedback, evals, derechos sobre los datos y criterio humano.
El nuevo balance
No creo que las empresas vayan a poner literalmente "capital de tokens" en un balance pronto.
Pero estratégicamente deberían saber qué es.
¿Qué inteligencia propietaria creamos esta semana?
¿Qué le enseñaron nuestros usuarios al sistema?
¿Qué aprendió nuestro equipo que ahora se puede reutilizar?
¿Qué conocimiento tácito se volvió suficientemente explícito para componerse?
¿Qué regalamos sin querer?
Esas van a volverse preguntas de liderazgo.
Porque la IA no es solo una herramienta que usas. Es una forma en que la empresa recuerda, aprende y mejora.