Contexto técnico
En lugar de leer resúmenes, fui a la fuente original: un texto de marzo de Block, escrito por Dorsey junto a Roelof Botha. La clave no es la palabra de moda, IA, sino una reestructuración muy específica de la empresa. Están trasladando la coordinación de la jerarquía humana a un sistema central de IA que mantiene un modelo de negocio actualizado y sincroniza el contexto entre las personas.
Ahí es donde me hizo clic. Normalmente, las empresas compran otro copiloto y lo llaman transformación de IA. Pero esta idea es más radical: la IA no ayuda a la estructura organizativa, sino que se convierte en su columna vertebral.
Los roles también se han rediseñado sin sentimentalismos. Los especialistas profundos se convierten en IC (Individual Contributors) y reciben el contexto directamente, sin intermediarios gerenciales. Los dueños de productos e iniciativas se convierten en DRI (Directly Responsible Individuals) y asumen la propiedad real de la tarea, incluyendo el acceso a recursos a través del sistema común.
La gerencia media tradicional se está eliminando. Algunas personas se convierten en player-coaches: no son administradores de estados, sino personas que trabajan directamente y a la vez desarrollan al equipo. Todo lo que antes recaía en la capa de «llamar, reenviar, sincronizar, aclarar, escalar» se traslada, por diseño, al circuito de la IA.
En teoría, suena casi como una mini-AGI para la empresa, y Block mismo lo formula así. Pero no lo idealizaría. Aún no hay detalles públicos sobre su stack tecnológico, la calidad del modelo, los límites de acceso, la auditoría de decisiones o cómo corrigen errores en la memoria de negocio compartida.
También hay un contexto importante: a principios de 2024, Block despidió a cerca de mil empleados. Por eso no leo esto como una filosofía de gestión abstracta, sino como una apuesta operativa de alto riesgo: un equipo más pequeño, mayor densidad de contexto y un mayor coste por error.
Qué cambia esto para los negocios y la automatización
Siendo realistas, Dorsey no está mostrando «otro caso de implementación de IA», sino un nuevo modelo de diseño organizacional. Aquí, la IA resuelve el problema más caro en el crecimiento de una empresa: la transferencia de contexto entre funciones. No la generación de textos ni un chatbot para la web, sino la coordinación pura.
Para los equipos que se mueven rápido, es una jugada muy potente. Cuando un DRI puede reunir rápidamente los recursos de IC necesarios y un especialista recibe el contexto completo sin cinco reuniones, el ciclo de decisión realmente se acorta. Lo veo también en los casos de mis clientes: en cuanto eliminamos el enrutamiento manual del conocimiento, la automatización con IA empieza a generar dinero, no solo "me gusta" en LinkedIn.
¿Quién gana? Las empresas que ya cuentan con ejecutores fuertes, una buena disciplina de datos y la disposición para describir sus procesos como un sistema. Allí, una arquitectura de IA puede convertirse en un centro de control, no solo en una vitrina. Esto funciona especialmente bien en productos, fintech, SaaS y negocios con una operativa pesada donde la gente se ahoga en actualizaciones de estado.
¿Quién pierde? Las organizaciones donde la capa gerencial mantenía todo a base de acuerdos personales, política y la memoria de los «veteranos». Si ese negocio no existe en datos estructurados, el sistema central de IA no sincronizará, sino que alucinará con elegancia. Y eso dolerá.
Hay un segundo riesgo, más cotidiano. No todo buen gerente se convertirá en un player-coach, y no todo experto querrá vivir como un IC con mayor autonomía. Una reestructuración así rompe las trayectorias profesionales, la motivación y la costumbre de ocultar decisiones débiles tras la responsabilidad colectiva.
Por eso, no copiaría a Block a partir de diapositivas. Tomaría el principio: primero, un mapa de conocimiento; luego, los derechos de acceso; después, el modelo DRI; y solo entonces, la integración de la IA en el circuito operativo. De lo contrario, obtendrás un caos costoso con un nombre bonito.
En Nahornyi AI Lab trabajamos precisamente en esa capa: no nos limitamos a conectar un modelo, sino que construimos una arquitectura de soluciones de IA en torno a procesos reales, dueños de tareas y flujos de datos. En este punto, la teoría se acaba y empieza la ingeniería, los accesos, la orquestación y preguntas muy terrenales sobre la responsabilidad.
Análisis realizado por mí, Vadym Nahornyi de Nahornyi AI Lab. Me dedico a la automatización con IA no en presentaciones, sino en sistemas vivos donde es necesario unificar datos, roles y acciones en una sola mecánica funcional. Si quieres discutir tu proyecto y entender dónde una implementación de IA funcionaría realmente para ti, escríbeme y lo analizaremos juntos.