Artículo del abogado Lin Shanglun: ¿Los profesionales que entienden la IA serán los ganadores de la era de la IA?

Esta industria de la IA se ha convertido casi en una disciplina destacada en los últimos años. Hay gente trabajando en ella desde el derecho, la arquitectura, la medicina hasta las finanzas, pero en realidad no hay muchos productos que logren que los clientes paguen y se vendan bien. El abogado Lin Shanglun analiza desde la falla de la regla 80/20, la trampa del punto débil, la diferencia entre "generar" y "organizar", quién se enfrenta al cliente, hasta la composición del equipo, desglosando por qué la mayoría de las IA de la industria no llegan lejos y por qué unos pocos equipos logran realmente triunfar.

(Nota previa: Artículo especial del abogado Lin Shanglun > Amplificar y acelerar: la verdadera capacidad de la IA que el 99% de los profesionales del derecho pasan por alto)
(Contexto adicional: Microsoft invierte 2.5 mil millones de dólares para fundar "Frontier Company" y enviará a 6,000 ingenieros a las oficinas de los clientes para que la IA realmente se implemente)

Índice de este artículo

Toggle

• 1. La regla 80/20 podría no ser tan aplicable ya
• 2. No te dejes atrapar por un único punto débil
• 3. La clave está en "generar", no en "organizar"
• 4. Quien se enfrenta al cliente no puede ser un ajeno
• 5. El verdadero punto decisivo es en realidad el "equipo"

Resumen clave

• La mayoría de los equipos de IA de la industria tienen una técnica decente, pero al final se quedan en la puerta del mercado. La clave no está en la técnica, sino en si logran "generar" en lugar de "organizar".
• En la era de la IA, la regla 80/20 podría fallar. El costo marginal de hacer el paquete completo se reduce drásticamente, y hacer solo el 20% termina por frenarte a ti mismo.
• El verdadero foso recaerá en las "personas": el núcleo técnico que entiende la IA, el experto en el campo con peso, y el comercial que conoce el dolor de primera línea. Los tres roles son indispensables.

Etiquetas: Lin Shanglun, IA industrial, IA generativa, regla 80/20, foso

En estos últimos años, la IA industrial se ha convertido casi en una disciplina destacada. Desde el derecho, la arquitectura, la medicina hasta las finanzas, en cada campo hay gente trabajando en IA. Pero si observamos con calma, descubriremos que realmente son pocos los que logran que los clientes paguen, que realmente entran al mercado y se venden bien.

La mayoría de los equipos tienen una técnica decente, pero al final se quedan en la puerta del mercado. Lo que quiero discutir es qué es lo que realmente sale mal en el medio. Los siguientes conceptos quizás expliquen por qué la mayoría de las IA de la industria no llegan lejos, mientras que unos pocos equipos logran realmente triunfar.

1. La regla 80/20 podría no ser tan aplicable ya

Empecemos con un concepto fundamental: en la era de la IA, quizás la regla 80/20 ya no sea tan aplicable.

La regla 80/20 ha sido durante mucho tiempo un dogma en la ingeniería: con el 20% del esfuerzo, resuelve el 80% de los problemas. Su lógica original es: al escribir cualquier cosa como software, primero encuentras el mayor punto débil, usas la fuerza de ingeniería más rápida para hacer bien ese 20%, satisfaciendo el 80% de las necesidades, y dejas de lado lo demasiado problemático.

En el pasado, esto era razonable. Porque desarrollar una función requería pasar por "concepción, desarrollo, verificación, iteración", cada paso era costoso, por lo que naturalmente solo hacías el 20% más crítico.

Pero hoy, esta premisa ya se ha tambaleado, por dos razones.

Primero, la IA ha hecho que "crear software" sea demasiado fácil. Antes se necesitaba un equipo de tres personas, ejecutar regulaciones, calcular volúmenes, integrar planos, era lento y costoso para producir un conjunto de evaluaciones de viabilidad de desarrollo de terrenos. Ahora, con la IA, una persona puede hacer el trabajo de tres, y el costo se reduce drásticamente. Dado que el costo de hacer el paquete completo ya se ha reducido mucho, aferrarse a la regla 80/20 y hacer solo ese 20% termina por frenarte a ti mismo.

Segundo, y más fácil de pasar por alto: la regla 80/20 a menudo se malinterpreta. Puedes pensar que el 80% de las necesidades que captaste son funciones que todos usarán, pero "tener esta necesidad" no es igual a "aquí hay un punto débil". El punto clave que realmente hace que alguien esté dispuesto a pagar, a dejar que la IA lo reemplace, probablemente no está en ese 80% que captaste. El resultado son muchas cosas que "tienen necesidad pero no causan dolor".

Por lo tanto, en la era de la IA, el enfoque quizás debería ser el contrario: aprovechar que "la ingeniería puede crear productos rápidamente" para completar las necesidades lo más posible de una vez. Cuando el costo de hacer el paquete completo ya es bajo, no hay muchas razones para hacer solo una parte.

2. No te dejes atrapar por un único punto débil

Arriba dije que hay que hacerlo completo, aquí añado un concepto que parece contradictorio pero que en realidad se complementa.

Al entrar al mercado, ciertamente hay que elegir un "punto más doloroso" para empezar, eso es correcto, el punto débil es el cuchillo más afilado. Pero demasiados productos se quedan ahí después de entrar.

Por ejemplo, si haces un "análisis de viabilidad de terrenos", ciertamente es el punto más doloroso para los constructores, y el beneficio es mayor. Pero si te quedas solo ahí, te encierras en una pequeña parte del negocio de la construcción. En realidad, la cadena de valor de un arquitecto es muy larga: desarrollo inicial del terreno, renovación urbana en la fase intermedia, supervisión de construcción en la fase final, incluso informes diarios de supervisión e informes de progreso pueden ser asumidos por la IA. Y lo clave es que, una vez construido el motor principal, el costo marginal de hacer más de esto es increíblemente bajo.

Lo mismo ocurre con el derecho. Una buena IA legal no se limitará a hacer solo escritos porque "escribir escritos es lo más doloroso", sino que también hará contratos, revisión de cumplimiento de textos, informes de audiencias, solicitudes de PI, todo junto.

En otras palabras: usa el punto más doloroso como entrada, pero no te quedes en la entrada. Consume toda la cadena de valor, así no te pones un techo a ti mismo.

3. La clave está en "generar", no en "organizar"

Este es el punto más central.

Muchas IA de la industria, en el fondo, son solo herramientas de organización de datos: escanean documentos, reorganizan planos, en definitiva, son plantillas. Y este tipo de trabajo se puede hacer con modelos muy básicos, incluso las entidades públicas lo hacen, no pueden sostener un foso.

Hay muchas herramientas de este tipo en el mercado; detrás de ellas, suelen usar modelos locales muy débiles, especializados en organización de texto, reconocimiento de imágenes, sin llegar al núcleo de "generar". Los informes que producen son solo meter datos en plantillas fijas.

Lo realmente valioso es usar la comprensión del lenguaje más fuerte para hacer juicios profundos y generación.

Ese informe de viabilidad de terrenos no puede solo ordenar el mapa catastral y el plano topográfico; debe leer simultáneamente tres conjuntos de regulaciones (construcción, bomberos, renovación urbana), integrar texto, normativas y planos en algo que haga que el arquitecto asienta y diga "98% correcto, solo necesito ajustar un poco".

Ese tipo de producción nunca se logra con plantillas; solo se consigue con un núcleo generativo real. Y esta es también la mayor diferencia entre los modelos de consumo y la IA profesional: uno organiza datos, el otro genera resultados para los profesionales.

4. Quien se enfrenta al cliente no puede ser un ajeno

A continuación, un aspecto que muchos equipos técnicos pasan por alto fácilmente, pero que es bastante fatal: quién se enfrenta al cliente.

Para vender IA a clientes de servicios profesionales, primero hay que reconocer una cosa: son el grupo más exigente: abogados, arquitectos, médicos, empresarios. Enviar a un ingeniero a hablarles de "bases de datos vectoriales" suele tener un efecto limitado; rápidamente se darán cuenta de que no conoces este campo.

Quien realmente debe estar frente al cliente es un profesional del campo que entienda de IA. Puede discutir con el cliente cómo optimizar cada proceso del caso, manejar los detalles del caso, e incluso demostrar en el acto cómo hacer directamente una parte del trabajo.

Pongamos un ejemplo: un arquitecto que entiende de IA va a hablar con un constructor, puede explicar cada proceso de desarrollo del constructor con más detalle de lo que el propio cliente conoce, y luego demostrar en el acto "mi producto de IA hace todo esto". Ese es el verdadero momento decisivo.

5. El verdadero punto decisivo es en realidad el "equipo"

Al final, hay que reconocer una cosa: la técnica es demasiado fácil de copiar.

Lo que tú puedes hacer, otros también pueden hacerlo en unas semanas. Por lo tanto, el foso recaerá en las "personas".

Los equipos de IA industrial mueren más fácilmente en tres situaciones:

Primero, el líder no está a la altura. Si la persona que lidera no tiene verdadera voz en la industria, no tiene licencia, no tiene experiencia práctica, solo es un nombre, en el primer problema con el cliente será descubierto. La forma de hablar, el nivel profesional, la presencia, todo es evaluado por el cliente. Después de todo, este tipo de producto debe convencer a un grupo de profesionales astutos.

Segundo, la persona que entra no es la figura central. Si quieres entrar en el mercado de la construcción, pero solo encuentras a un representante de ventas de desarrollo de terrenos, en lugar de un arquitecto con licencia y reputación. El cliente se dará cuenta en cuanto abra la boca de que el equipo carece de sustancia.

Tercero, dependencia excesiva de la ingeniería. El equipo es completamente técnico, hace un producto muy fuerte pero no lo vende, porque nadie puede "traducir" el valor del producto para el cliente.

Y hay una capa más profunda de dificultad: incluso si el equipo encuentra a un experto calificado, puede que no esté dispuesto a involucrarse.

Un arquitecto fuerte, un buen abogado, ya están demasiado ocupados y ganan bien. Que dediquen tiempo a entender IA, bases de datos vectoriales, e incluso a un nivel que pueda convencer a clientes externos, es muy difícil. Incluso si se les da acciones, la intensidad de colaboración real suele ser limitada.

Por lo tanto, la combinación ideal es que los tres roles son indispensables:

• Núcleo técnico que entiende de IA
• Experto en el campo con peso
• Comercial que conoce el dolor de primera línea

Y estos tres tipos de personas deben poder presentarse juntos ante el cliente y decir la frase más impactante:

Incluso nuestra propia profesión ya ha sido reemplazada por la IA que nosotros mismos creamos.

Preguntas frecuentes

¿Por qué la mayoría de las IA de la industria no se venden?

La mayoría de los productos solo hacen organización de datos y plantillas, no llegan al núcleo de juicio profundo y generación. Se pueden hacer con modelos muy básicos, no sostienen un foso, y a menudo confunden "tener necesidad" con "tener punto débil", produciendo cosas que tienen necesidad pero no causan dolor.

¿Qué roles necesita un equipo de IA industrial?

Los tres roles son indispensables: núcleo técnico que entiende de IA, experto en el campo con voz en la industria, y comercial que conoce el dolor de primera línea. Y deben poder presentarse juntos frente a los clientes profesionales más exigentes y explicar claramente el valor del producto.