Hoy tuve tres invitados técnicos, que es la razón de este episodio: quería una conversación sobre qué implica de verdad construir con inteligencia artificial, no sobre la narrativa.
Damián Schenkelman fue empleado número 10 de Auth0, una de las startups latinoamericanas más exitosas, adquirida por Okta en 2021 por más de 6,000 millones de dólares. Hoy dirige su laboratorio de investigación y desarrollo.
José Noblecilla lidera tecnología e inteligencia artificial en Valor Capital, con más de 2,000 millones bajo gestión. Antes fue fundador y director de IA en Wildlife Studios.
Felipe Sateler es fundador y CTO de Buk, la plataforma de gestión de recursos humanos más grande de la región, que procesa la nómina de más de 4,000 empresas y está valorada en más de 800 millones.
Estructura y Highlights Clave
Qué Cambió de Verdad en 24 Meses
- Felipe se declara moderado: no ve algo que cambie radicalmente, pero sí una transformación real en productividad interna
- Lo que antes no podían hacer: analizar datos en esos volúmenes, categorizar información, generar clusters
- Su número: en unos seis meses subieron 70% la productividad medida en pull requests mergeados al mes por persona
- Damián aporta el matiz del contexto: en Auth0 ya tenían modelos de machine learning en producción desde hace años, para detección de anomalías en el login
- Lo que sí decidieron es esperar. Hubo un momento en que todos los productos tenían que tener un asistente de IA y ellos prefirieron ver si aparecía algo más interesante
- Lo que más cambió para su equipo de research: mucho del código que generan es desechable, así que pueden ir más rápido
- Su matiz importante: trabajan sobre una base de código de muchos años y llena de casos borde, así que la diferencia entre modelos se nota mucho. Un salto de modelo cambió sustancialmente la experiencia
- José, desde el lado inversor, ve dos arquetipos: productos de IA de cara al cliente y automatización del back office
- Y una asimetría que le sorprende: ve más velocidad adoptando IA en producto que internamente, porque el back office choca con gobernanza
Startups Contra Empresas Grandes
- Damián ve lo contrario en empresas muy grandes: aversión al riesgo de armar un producto con IA
- Primero fue el licenciamiento del código, después a quién le entregas tu código. Empresas que podían correr en tu propia nube ganaron por eso
- Lo que sí ve con mucho interés: MCPs internos, para acceder a datos con auditoría
- En startups no importa tanto la gobernanza ni la seguridad, así que van mucho más rápido y prueban productos más rápido
- El dato que anticipa una tendencia: alguien pasó una auditoría de la nueva norma ISO sobre sistemas de IA, y el primer año los auditores no sabían bien qué auditar. El segundo fue muy distinto
- Su predicción de negocio: así como apareció Vanta para resolver SOC 2, van a aparecer empresas que resuelvan el cumplimiento y hasta el seguro de sistemas de IA
Por Qué los MCPs no Resuelven Solos el Problema
- Felipe lo reduce a lo de siempre: quién tiene acceso a qué información y quién puede modificarla de forma autorizada. Lo único nuevo es la interfaz
- Su crítica a los MCPs precocidos: no van a tener la granularidad para validar permisos
- El ejemplo concreto: si te cuelgas de los permisos de Google Drive, tienes que dar acceso a todo. Si lo haces con una cuenta de servicio, le estás dando acceso a cosas que no debería ver
- Damián coincide en que usar una cuenta de servicio para conectar el MCP a la API es directamente una falla de seguridad
- De hecho mantiene un sitio donde va anotando los problemas de seguridad que encuentra en aplicaciones de IA. Se lo muestra a prospectos y les vende el producto solo
- Su aclaración: eso no es inherente al protocolo, es mala programación
- Lo que sí cree que suma: MCPs remotos bien hechos, orientados a flujos concretos en vez de exponer una API. Los llama composite actions
- El consenso de los tres: después de año y medio sigue haciendo falta programar tu lógica de negocio, tus protecciones y tus guardarraíles
- La conclusión de José, con humor: todavía tengo que hacer mi trabajo. Y agrega que el rastro de quién hizo qué y por qué es cada vez más relevante, porque el modelo ejecuta acciones
Dónde se Ve el Impacto de Negocio
- Buk está invirtiendo en adquisición, donde el contenido generado ha sido un canal provechoso, y tiene un asistente para el proceso de venta
- Lo que curiosamente les ha costado más es soporte, porque requiere una base de conocimiento muy buena y bien formateada
- El dilema que eso genera: no ves el impacto en el corto plazo porque hay mucho trabajo previo, así que lo pospones, y si lo pospones demasiado pierdes el valor
- José señala el problema de medición: no está claro qué KPIs mides cuando tienes un agente en producción
- Cómo lo están reportando hoy: como un paralelo uno a uno con empleados. Un agente de cobranzas contra un analista de cobranzas, comparando cada tarea del rol
- Su advertencia de teoría de juegos: bajas el costo de tu nómina, pero si todos usan IA el costo de adquisición de usuarios sube para todo el mercado
- Damián ve el impacto donde el producto le ahorra tiempo al equipo del cliente. Testing que toma menos tiempo, relevamientos que pasan de meses a semanas
- Y su observación sobre dónde el impacto relativo es mayor: en startups, donde importa moverse rápido y no pasa nada si acumulas algo de deuda técnica
El Cambio de Diseño Más Grande: API First y Agent Experience
- Para Damián lo más importante es asumir que a tu producto lo va a consumir una IA y rediseñar desde ahí
- Sus preguntas guía: si tuviera que usar un CRM desde un chat, ¿cómo sería? Si tuviera que comprar, ¿cómo sería?
- Y la otra cosa que cambió de un día para otro: aparecer en las respuestas de los modelos
- Felipe lo confirma con datos: las oportunidades que llegan por marketing pagado cayeron fuerte y subieron mucho las que llegan por agentes
- La amenaza que ve para las verticales de nicho construidas sobre otra plataforma: son las más fáciles de replicar
- Su marco: cuál es tu centro de gravedad, qué hace difícil que tu cliente se cambie y fácil que enganche procesos encima
- Su ejemplo: Shopify. Montas la tienda en tres clics y después toda tu vida comercial vive ahí
- Y su caso propio: en Buk el centro de gravedad son los empleados de la empresa. Cada entrada, salida o cambio de cargo dispara procesos, y ellos son la fuente autoritativa de esa información
El Agente Construye sobre el SaaS, no lo Reemplaza
- La posición de Felipe: la gente va a operar sobre el SaaS, porque la data autoritativa y bien etiquetada tiene que vivir en algún lado
- Un Excel no sirve, porque se desordena en 30 segundos
- Sus dos ejemplos: el agente de compra no reemplaza a Shopify, construye sobre Shopify. El agente de ventas se integra con tu CRM
- José agrega los building blocks que ve emergiendo: tableros donde la IA crea las tareas que el humano tiene que completar y lo va guiando paso a paso
- El segundo: cómo se le da feedback al agente. Hoy es el pulgar arriba o abajo y algo de texto, y le parece claramente insuficiente
- El tercero: métricas operativas por agente. Cuánto cobró, cuánto tiempo estuvo activo, qué delegó al humano
- La frustración que describe Damián como usuario: usa un producto que le manda cosas que no coinciden con su filtro, lo corrige varias veces y no mejora
- Lo que falta ahí, en su opinión, es una vista de depuración para el usuario final. El pulgar abajo es demasiado opaco
- Y una pregunta que tiene abierta: cuál es la bandeja de entrada de un agente. Cómo se comunica con el mundo exterior y con otros agentes
Construir Productos con IA Es Otra Disciplina
- Felipe separa dos ideas. Una es vieja: mantener algo en producción siempre fue mucho más difícil que hacer el prototipo
- La otra es nueva, y ahí está muy de acuerdo: la palabra clave es confiabilidad
- El software tradicional es predecible. Si funcionaba bien, funciona bien siempre. Con modelos probabilísticos eso se rompe
- Y el espacio de entradas es infinito. Lo que le puedes escribir a un chat es infinitamente más que lo que cabe en un formulario con un campo numérico
- La consecuencia económica: ejecutar el producto es más caro, en la ejecución y en el monitoreo, y necesitas gente dedicada a ver cómo se comporta
- Su conclusión: los márgenes brutos de una empresa full IA deberían ser mucho más bajos
- Lo que José señala como caro por dentro y commodity por fuera: mantener viva la lógica de un humano en el loop, verificando acciones y midiendo si el humano las hizo
- Y donde aparece la oportunidad: entender en qué momento tiene sentido hacer fine tuning de un modelo abierto para bajar costos y ganar un moat
- Su recomendación de día cero: registrar entradas, salidas y lo que esperabas. Ese histórico es lo que después te permite afinar o entender mejor al usuario
Qué Técnica Vale la Pena y Cuál Puede Esperar
- Damián lo describe como un sombrero nuevo. Antes te ponías el de confiabilidad y el de seguridad. Ahora también el de datos
- El trabajo concreto: ver dónde falla el sistema y bajar la cantidad de fallos por ejecución típica
- Una de las técnicas que menciona es la optimización de prompts, incluso automatizada, decidiendo a qué modelo mandar cada cosa
- Pero donde ve el verdadero costo en B2B es en ingeniería de datos: catalogar, etiquetar y estructurar la información interna de cada empresa
- Su formulación: hay que resolver el contexto para el dominio específico, y esa data la tienes que tener sin importar cómo evolucionen los modelos
- Lo segundo que puede cambiarlo todo es la interfaz. Su ejemplo es Granola: lo mejor es que no es invasivo, toma las notas y resume. La no interfaz es lo que suma
- Y la anécdota del propio Enzo: la mejora más grande que vieron en su contenido no vino de optimizar prompts, vino de etiquetar bien sus datos
Equipos de Ingeniería
- La preocupación de José: qué va a pasar con quien está estudiando computación hoy. Ve cada vez más fellowships entre empresas y universidades
- El perfil que ve naciendo: un híbrido entre software engineering y alguien de datos, porque el trabajo de contexto es esencialmente ingeniería de datos
- La postura de Felipe es la contraria en contratación junior: hicieron un programa de pasantías con unos 45 o 50 personas y se quedaron alrededor de 35
- Su argumento: la carrera de software engineer está mal especificada, es tan amplia como decir analista o gerente
- Dónde está el verdadero valor de un desarrollador en su negocio: entender al cliente mejor de lo que el cliente se entiende a sí mismo, y modelar la situación de forma implementable
- Lo que sí desapareció: el rol de alguien a quien le escriben la tarjeta y solo la desarrolla. Si te voy a decir exactamente qué hacer, mejor se lo digo al modelo
- Damián sospecha del pánico: en 2020 y 2021 se contrató muchísima gente que nadie necesitaba, así que la comparación está anclada en un número inflado
- Y su lectura del discurso: mucho del mensaje sobre reemplazar programadores fue marketing en un momento en que había que levantar capital
- La cita que rescatan: no contratar juniors es de las peores ideas, porque son quienes mejor usan estas herramientas
- Lo que Damián sí cree que va a pasar: colapsar roles. Menos separación entre product manager, ingeniero, diseñador y project manager, con el sombrero puesto en menos gente
- Su referencia es The Mythical Man-Month: el equipo de siete personas que describe ese libro hoy se puede armar con menos
- La ventaja: un equipo chico ejecuta más rápido porque tiene todo el contexto, y eso compone exponencialmente
- El matiz de Felipe: está de acuerdo con equipos más pequeños, pero le gusta mantener un product manager por equipo, como el CEO de ese squad
Prototipos, Hackatones y Financiamiento
- Un inversor le dijo a Felipe que el valor de un prototipo hoy es cero
- Su corrección: no es que valga cero, es que pierde valor como señal de que puedes llevar esto a producción
- Pero para quien levanta capital lo hace más fácil, porque llegas al inversionista con algo mucho mejor que mostrar
- Su anécdota: en un hackatón de 36 horas los demos eran más pulidos que su propio producto, con efectos y animaciones
- Lo que José agrega: hay equipos con diseñadores que ahora programan, y eso sube la vara estética
- El patrón de financiamiento que ve: equipos bootstrapped, y equipos que hacen su ronda semilla en Latinoamérica y se van directo a Estados Unidos para la serie A
- Y una advertencia de Damián: si no levantaste capital y otros sí y encima usan estas herramientas, estás compitiendo contra gente que va más rápido
- Un cambio que Enzo destaca como positivo: antes en Latinoamérica había un sesgo hacia el fundador de perfil de negocio. Hoy se financia más al fundador técnico
Dónde Están las Oportunidades
- Damián empieza por lo general: hay un mandato en las empresas grandes de usar IA. Si demuestras que produce más eficiencia o menos costo, tienes producto
- Y señala un campo abierto: productividad interna B2B. Es aburrido para mucha gente, y por eso mismo le gusta
- Su advertencia para quien construye desde la región: no pienses solo en Latinoamérica, porque te restringes tú mismo
- Pero si lo haces, hay más informalidad y mucha mayor proporción de negocios pequeños, así que van a aparecer negocios de estilo de vida rentables sin capital de riesgo
- La tendencia que ve José: agregar en un solo producto lo que antes eran dos o tres empresas. Impuestos y contabilidad como features de la misma cosa
- Su lectura del mercado: está fragmentado en dos niveles, el viejo y el del SaaS tradicional de los 2010
- Sobre talento, Damián señala un arbitraje real: en la región hay muy buen talento capaz de construir esto y todavía pocas empresas grandes compitiendo por él
- La desventaja que reconoce: no estar en el valle cuesta más que antes, no tanto por negocio sino por innovación y conversación informal
- José lo confirma con su experiencia en Wildlife: en 2014 competían por talento con Google y Facebook, y en 2017 con las startups grandes de la región
- Y su cierre optimista: Wildlife se construyó global desde Brasil, con talento brasileño, sin nadie en Silicon Valley al inicio
- El recordatorio de Felipe: el software vale mucho más en Estados Unidos, y hablar de Latinoamérica como un solo mercado es engañoso, porque está muy atomizado
Glosario Silicon Valley
| Término | Qué significa | Contexto en el episodio |
|---|---|---|
| MCP | Protocolo que conecta modelos con datos y herramientas | El consenso: no resuelve solo permisos ni lógica de negocio |
| Agent experience | Diseñar el producto asumiendo que lo consumirá un agente | Para Damián, el cambio de diseño más grande |
| API first | Construir la API antes que la interfaz | La consecuencia práctica de lo anterior |
| Confiabilidad | Que el sistema se comporte igual siempre | Lo que se rompe con modelos probabilísticos |
| Observabilidad | Poder ver qué está haciendo el sistema en producción | El costo nuevo que encarece un producto con IA |
| Fine tuning | Ajustar un modelo con tus propios datos | Cuándo tiene sentido, para bajar costos y ganar defensibilidad |
| Context engineering | Estructurar los datos que el modelo necesita para acertar | Donde está el trabajo difícil en B2B, más que en el prompt |
| Human in the loop | Un humano valida antes de que la acción se ejecute | La lógica cara de mantener viva |
| Picks and shovels | Vender herramientas a quienes buscan oro | La categoría de productos que ganan si a la IA le va bien |
| Centro de gravedad | El dato del que eres fuente autoritativa | Por qué Felipe cree que los agentes se construyen sobre el SaaS |
| Lifestyle business | Negocio rentable que no busca capital de riesgo | Lo que creen que va a florecer en la región |
Personas, Empresas y Referencias
Personas Mencionadas
- Damián Schenkelman: empleado número 10 de Auth0, hoy dirige su laboratorio de investigación y desarrollo, e invierte como ángel
- José Noblecilla: lidera tecnología e IA en Valor Capital, antes fundador y director de IA en Wildlife Studios
- Felipe Sateler: fundador y CTO de Buk
- Enzo Cavalie: host del podcast
Empresas y Referencias
- Auth0: adquirida por Okta en 2021 por más de 6,000 millones de dólares
- Valor Capital: más de 2,000 millones bajo gestión
- Buk: nómina de más de 4,000 empresas en cinco países, valorada en más de 800 millones
- Wildlife Studios: construida global desde Brasil con talento brasileño
- Shopify: el ejemplo recurrente de centro de gravedad y de agent experience
- Vanta: el precedente de una empresa que nace para resolver una norma
- Granola: su ejemplo de que la mejor interfaz puede ser ninguna
- The Mythical Man-Month: el libro de los años setenta cuyo equipo ideal hoy cabe en menos personas