El gusto es la nueva inteligencia
Cuando la inteligencia se vuelve accesible, los CTO ganan diseñando restricciones, confianza, alfabetización energética y ciclos de aprendizaje: la disciplina que llamamos gusto.
*Subtítulo: La artesanía de las restricciones es la nueva moneda escasa cuando la inteligencia es accesible para todos.*
Hay un silencio específico que escuchas justo antes de que una nueva abstracción conquiste una industria. Es el silencio en un anfiteatro antes de que caiga el remate, la pausa en una sala de guerra antes de que alguien diga lo que nadie quiere decir en voz alta, el pequeño vacío que se forma cuando el viejo sistema de rankings—quién es el más inteligente, el más rápido, el más acreditado—empieza a sentirse anticuado.
La versión de Jensen Huang de ese momento, pronunciada ante estudiantes en Cambridge, es lo bastante directa como para ser útil: «La inteligencia está a punto de convertirse en una mercancía.»
Si eres un CTO en activo o un líder técnico, tu primera reacción probablemente no sea pánico existencial. Es gestión de inventario.
Si la inteligencia se convierte en mercancía, entonces:
- la generación de código se vuelve básica,
- la síntesis se vuelve fontanería,
- el “análisis” se vuelve un botón,
- y una enorme parte de lo que antes parecía habilidad se convierte en interfaz.
¿Qué queda entonces?
La respuesta de Huang (como la historia ya circula por internet) es el gusto: la capacidad de elegir bien ante opciones infinitas y—más despiadadamente—la capacidad de elegir qué no hacer.
Quiero tomar ese encuadre en serio, pero también tratarlo como lo haría un profesor con un teorema prometedor garabateado en una servilleta: asumir que podría ser cierto y luego someterlo a estrés intenso.
Porque «gusto» es una palabra resbaladiza. La gente la usa para referirse a sensibilidad estética, a vibras, a marca o a la capacidad de comprar la silla correcta. Pero hay una definición más dura y más ingenieril escondida dentro:
El gusto es la disciplina de construir restricciones correctas.Y en la era de la IA, las restricciones son el único recurso escaso que importa.
---
1) La inteligencia como mercancía no es una metáfora; es un evento económico
Ya hemos vivido esto antes, en otras formas.
Cuando la electricidad se volvió barata y ubicua, la ventaja competitiva no fue para la empresa con los candelabros más brillantes. Fue para la empresa que rediseñó fábricas en torno a motores y distribución energética. Cuando internet hizo la información abundante, la ventaja no fue para quien podía memorizar enciclopedias. Fue para quien podía filtrar, enrutar, comprimir y actuar.
Andrew Ng comparó la IA con la electricidad—una capacidad de propósito general que se extiende a todo, cambiando flujos de trabajo más que títulos de trabajo.
Pero la razón técnica más profunda por la que la “inteligencia” tiende a tener precio de mercancía es algo que la gente de aprendizaje por refuerzo viene murmurando desde hace años: la escala vence a la genialidad artesanal.
Rich Sutton llama a esto “The Bitter Lesson”: a largo plazo, los métodos que aprovechan la computación general—búsqueda y aprendizaje—ganan, incluso si el enfoque centrado en humanos se siente más elegante.
Traducción para quienes construyen:
- El mercado recompensa sistemas que siguen mejorando cuando les agregas computación + datos.
- El mercado castiga sistemas que requieren un genio vigilante.
Sí—la inteligencia se vuelve agua corriente no porque sea trivial, sino porque el mecanismo de entrega se estandariza. La “inteligencia” migra a la infraestructura.
La sombra física de esto está en todas partes. El mundo desperdicia una cantidad obscena de capital en centros de datos, porque la demanda de IA es demanda de computación con un aspecto más elegante. Y la limitación no son solo chips: es electricidad, refrigeración, capacidad de red, permisos de sitio, líneas de transmisión y todos los átomos lentos y tercos que se niegan a escalar como el software.
La Agencia Internacional de la Energía proyecta que el consumo eléctrico global de centros de datos podría casi duplicarse para 2030 (hasta alrededor de 945 TWh en su escenario base), con la IA como motor principal. El Departamento de Energía de EE. UU. (a través del Laboratorio Nacional Lawrence Berkeley) describe un crecimiento rápido en la carga de centros de datos y expectativas de que podría duplicarse o triplicarse en los próximos años.
Y en una de las parábolas más perfectas de nuestro momento, Satya Nadella se ha quejado públicamente de que Microsoft tiene GPUs de IA inactivas porque no hay suficiente electricidad para conectarlas.
Así que cuando decimos “la inteligencia se está volviendo mercancía”, no estamos describiendo un ánimo filosófico. Estamos describiendo una industria que convierte trabajo cognitivo en gastos de capital + limitaciones operativas.
Eso es lo que son las mercancías: insumos estandarizados, ampliamente disponibles, precios establecidos por la logística.
Lo que sigue es brutalmente práctico:
Si la inteligencia es abundante, ¿qué distingue a quienes construyen?---
2) “Trabajo mal definido” es simplemente trabajo con restricciones faltantes
La parte más útil del encuadre de Huang es la distinción entre trabajo definido y trabajo mal definido.
El trabajo definido tiene requisitos estables y resultados medibles. Es el tipo de trabajo que puedes convertir en un benchmark. La IA cada vez lo hace mejor porque los benchmarks son datos de entrenamiento con bata de laboratorio.
El trabajo mal definido es aquel donde los requisitos son incompletos, contradictorios, políticos, emocionales o cambian en tiempo real. Es el tipo de trabajo donde la pregunta *es* el producto.
Esto no es místico. Es una propiedad simple de los sistemas:
- Si las restricciones se conocen, la optimización es automatizable.
- Si las restricciones son desconocidas, el trabajo es inventarlas.
Ese proceso de invención es lo que «gusto» realmente es.
Y para los CTO, el gusto no es principalmente hacer que las cosas se vean bonitas. Es hacer compromisos que no colapsen a escala.
La cita canónica de Huang sobre estrategia es la que todo ingeniero senior termina aprendiendo a la mala: estrategia es elegir qué no hacer.
En un mundo donde una IA puede generar 100 diseños, 50 arquitecturas, 20 variantes de roadmap y un PRD completo antes de almorzar, el reactivo limitante ya no es la salida. Es la selección.
Si eres promedio en la selección, te ahogarás en opciones plausibles.
Si eres excelente en la selección, parecerás casi sobrenatural—no porque tengas información secreta, sino porque tienes mejores restricciones.
---
3) Gusto, redefinido: el arte del diseño de restricciones
Definamos el gusto de una forma que pueda usarse realmente en una organización de ingeniería:
El gusto es la habilidad practicada de seleccionar restricciones que maximizan el valor sistémico a largo plazo bajo incertidumbre.Eso es todo. Sin incienso. Sin boinas.
El gusto se manifiesta como:
- saber qué métricas son confort falso y cuáles dolor real,
- saber cuándo “más funciones” es cobardía disfrazada de ambición,
- saber cuándo importan los trabajos de rendimiento y cuándo es ego,
- saber qué registrar, qué medir, qué ignorar,
- y saber qué eliminar.
El gusto también es lo opuesto al culto al cargamento. Mucho del liderazgo técnico moderno es un disfraz: personas que se visten con los rituales de compañías de alto rendimiento sin comprender la física subyacente.
El pensamiento de primeros principios—la otra obsesión de Huang—importa porque es una manera de escapar del disfraz. Reduces el problema a invariantes: latencia, throughput, costos de coordinación, atención humana, incentivos, tiempo.
La pila tecnológica específica rara vez es la invariante. La invariante es: ¿qué estamos optimizando y por qué?
Así que sí, la IA abarata la inteligencia. Pero también hace que el autoengaño sea caro, porque la máquina acelerará tu tontería con gusto.
Si le pides un plan sin saber qué quieres, te dará un plan—confiado, fluido y equivocado en la forma exacta de tu confusión.
El gusto es lo que evita eso.
---
4) Cuatro añadidos que los CTO deben acoplar al “gusto”
La historia del “gusto” es convincente, pero incompleta para quienes envían software en el mundo real—donde existen revisiones de seguridad, reguladores y la factura de la nube llega como una novela de terror mensual.
Así que aquí tienes cuatro elementos adicionales que pertenecen al kit de supervivencia. No están separados del gusto; son las maneras en que el gusto se vuelve operacional.
A) Tempo: el gusto no es una decisión, es un ciclo decisorio
Una cantidad sorprendente de ventaja competitiva proviene de qué tan rápido puedes actualizar tus creencias.
El bucle OODA de John Boyd (Observar–Orientar–Decidir–Actuar) se hizo famoso porque enmarca la competencia como meterse dentro del ciclo decisorio del oponente.
Para los CTO, el oponente rara vez es otra compañía en una pelea uno a uno limpia. El oponente es:
- el mercado que cambia,
- tu propia deuda técnica,
- la deriva lenta de los requisitos,
- y la burocracia interna que construiste accidentalmente al intentar “escalar”.
En ambientes saturados de IA, el tempo se vuelve aún más crítico porque:
- puedes prototipar más rápido,
- puedes probar ideas más rápido,
- puedes generar variantes más rápido,
- y por lo tanto puedes perderte más rápido.
Así que el gusto debe convertirse en un ciclo, no en una proclama.
Operativamente, esto significa:
- ciclos de retroalimentación más cortos desde producción,
- aprendizaje de incidentes más rápido,
- postmortems disciplinados,
- y la habilidad de revertir decisiones sin ego.
(Fíjate cómo esto deja muy pronto de ser una conversación sobre diseño y se convierte en una conversación de diseño organizacional. No es casualidad.)
B) Confianza y riesgo: el gusto ahora incluye gobernanza como función del producto
En 2025 y más allá, el “gusto” que ignora la gestión de riesgos de IA es sólo una vía rápida a convertirse en un caso de advertencia.
El Marco de Gestión de Riesgos de IA de NIST (AI RMF) es explícito sobre lo que significa una “IA confiable”: características como validez, seguridad, transparencia, privacidad y equidad—y un enfoque estructurado para administrar esos riesgos.
En Europa, la Ley de IA introduce obligaciones escalonadas por riesgo y prohíbe ciertas prácticas de “riesgo inaceptable”; la UE también ha publicado guías sobre prácticas prohibidas. Y la línea de tiempo regulatoria se debate activamente, incluidos los planes para retrasar ciertas reglas de “alto riesgo”—lo que significa que el panorama de cumplimiento es en sí mismo un objetivo en movimiento.
Para los CTO, esto cambia la definición de “buen gusto”:
El buen gusto es construir sistemas que puedan explicarse bajo presión.
No en el sentido vago de “IA explicable” del marketing, sino en el sentido concreto:
- ¿Qué datos usamos?
- ¿Qué suposiciones codificamos?
- ¿Qué daños anticipamos?
- ¿Qué monitoreo tenemos?
- ¿Qué ocurre cuando falla?
Cuando la inteligencia es barata, la confianza se vuelve el nivel premium.
C) Restricciones físicas: la inteligencia es abundante, pero los vatios no
Un mundo impulsado por modelos es un mundo impulsado por electrones.
Esto no es un floreo poético. Es una limitación que da forma a la estrategia.
Ya mencionamos las proyecciones de la IEA sobre el crecimiento de la demanda eléctrica de centros de datos. Pero la textura de la limitación aparece también en la política y las finanzas: las compañías eléctricas planean enormes expansiones para atender centros de datos, el private equity invade los acuerdos de centros de datos, y hay conversaciones nacionales sobre la infraestructura de la red.
Incluso el Financial Times ha estado mapeando la próxima “crisis energética de la IA” como una restricción estratégica.
Así que el gusto del CTO ahora incluye una especie de alfabetización energética:
- entender que optimizar no se trata sólo de latencia, sino también de coste por token,
- que “simplemente llamar al modelo” se convierte en un modelo presupuestario,
- que el caching y la recuperación no son aburridos—they son supervivencia,
- y que las decisiones de arquitectura tienen consecuencias termodinámicas literales.
Si lideras una iniciativa de “IA en todas partes”, la pregunta no es “¿podemos?” Sino “¿podemos permitirnos esto a escala de forma sostenible?”
D) El modelo operativo de la IA: el gusto debe convertirse en un sistema de aprendizaje, no en un héroe
Uno de los mitos más dañinos en liderazgo tecnológico es el arquitecto heroico: la persona solitaria con juicio perfecto que siempre acierta.
Ese mito muere en la era de la IA, porque hay demasiadas decisiones, demasiado rápidas, en demasiadas superficies.
La organización que gana es la que convierte las decisiones en una máquina de aprendizaje—un modelo operativo de “fábrica de IA” donde datos y modelos mejoran continuamente procesos y productos. Ese marco general se ha popularizado en la literatura de management sobre competir en la era de la IA: la idea de que la ventaja proviene de construir sistemas que escalan aprendizaje en toda la organización, no solo escalan cabezas.
Traducido al lenguaje del CTO:
- Tu arquitectura debe capturar feedback por defecto.
- Tu producto debe estar instrumentado para aprender, no solo para mostrar dashboards.
- Tu equipo debe tratar el despliegue como el comienzo del descubrimiento, no como el final de la entrega.
El gusto, a escala, es lo que queda cuando el heroísmo se reemplaza por ciclos.
---
5) La parte incómoda: las cicatrices como datos, no como identidad
El texto original que compartiste enfatiza el sufrimiento: la idea de que la IA no ha tenido un corazón roto, no ha fracasado, no ha sufrido la humillación de construir algo real.
Hay verdad en eso, pero es fácil convertirlo en mitología machista: el dolor como evidencia de legitimidad.
Un encuadre más útil—menos melodramático—es este:
Los humanos aprenden de la consecuencia incorporada.Construimos un conjunto de datos privado de “qué pasa cuando…” que no se puede representar completamente en texto. No es sólo conocimiento; es calibración. Es la diferencia entre leer sobre incidentes y recordar el olor de tu propia adrenalina a las 03:12 cuando suena el pager y los gráficos parecen un electrocardiograma de terror.
Huang también ha hablado abiertamente sobre sacrificio y la carga del liderazgo, describiendo la estrategia como una forma de sacrificio—elegir qué no hacer.
Para los CTO, el objetivo no es romantizar el sufrimiento. El objetivo es convertir la experiencia en mejores priors:
- mejores instintos sobre riesgo operacional,
- mejor empatía por usuarios bajo estrés,
- mayor escepticismo frente a planes “perfectos”,
- mejor capacidad para detectar cuándo un sistema te está mintiendo.
La IA puede simular. Los humanos pueden recordar.
El gusto es, en parte, la diferencia.
---
6) Una hoja de ruta para cultivar el gusto en la era de la inteligencia como mercancía
Si yo enseñara esto como un curso al estilo Stanford (pero con menos exámenes y más incidentes de producción), te daría siete prácticas. No porque siete sea mágico—porque es el número de cosas que puedes recordar mientras Slack está en llamas.
- Trata la salida de la IA como una propuesta, nunca como una conclusión
- Construye un “registro de restricciones” para cada iniciativa importante
- Practica la sustracción estratégica como ritual ingenieril
- Haz que los bucles de retroalimentación sean la arquitectura predeterminada
- Construye confianza como si fuera una métrica de rendimiento
- Aprende la física de tu factura de IA
- Optimiza por tempo, no por teatralidad
---
7) Una imagen final: el editor al borde de la inundación
Imagina el futuro cercano: tu equipo puede generar código, pruebas, documentación, variantes de UI y planes de lanzamiento a velocidad absurda. Mil opciones por hora. La salida no es el cuello de botella.
El cuello de botella es el humano de pie al borde de la inundación, eligiendo qué río desviar, qué presa construir, qué vecindario proteger, qué estructura abandonar.
Esa persona no es “más inteligente” en el sentido antiguo. Es mejor eligiendo restricciones. Tiene mejor gusto.
Y el gusto, incómodamente, se gana a la manera lenta: construyendo, enviando, rompiendo, aprendiendo y volviendo a los primeros principios cuando la moda comienza a sentirse como verdad.
La inteligencia se vuelve barata. El mundo no se vuelve simple. Se vuelve más rápido.
Así que el trabajo de un CTO innovador no es escapar de la máquina.
Es dirigir.