Whats up whats uppp!
Recibes esto porque te suscribiste a aidstation. Si eres nuevo, bienvenido. Comparto lo que estoy usando, lo que estoy aprendiendo, y lo que está pasando en AI cada semana.
El rendimiento se multiplicó. Y eso trae problemas nuevos.
El rendimiento que se puede tener hoy con AI es absurdo comparado con hace un año.
En Kleva hacemos cosas con un equipo chico que hace 12 meses hubieran necesitado el triple de personas.
Fortune publicó que hay equipos completando en seis meses lo que antes tomaba entre 24 y 36. Anthropic midió que Claude acelera tareas individuales en un 80%.
Pero el tema no es solo que produces más. Es lo que pasa con tu cabeza cuando sabes que puedes hacer todo rápido.
Tienes una capacidad que antes no existía. Puedes hacer en horas lo que antes tomaba semanas.
Y eso suena increíble hasta que te das cuenta de que la línea entre algo bueno y algo rápido se vuelve muy delgada. Cada vez más delgada. Y es más fácil de lo que piensas dejar pasar cosas que no están bien, porque salieron rápido y se ven bien.
El problema no es la velocidad en sí. El problema es no tener un flujo armado para probar lo que sale. Si no tienes un proceso que valide lo que produces, las cosas se te escapan. Y se te escapan más rápido que antes, porque el volumen es más alto.
Y luego está la otra trampa. Como tienes la capacidad de hacer todo a la vez, quieres hacer todo a la vez. Cinco proyectos, diez iniciativas, todo en paralelo. Pero el resultado es peor que hacer dos o tres bien hechas. No te puedes enfocar en ninguna y terminas avanzando en todas sin cerrar ninguna.
Más capacidad no es más foco. Y sin foco, la capacidad no sirve de nada.
Lo que funciona es elegir tus batallas, las que de verdad mueven la aguja, y enfocarte ahí. Arma un flujo claro para cada una. Qué entra, qué sale, quién revisa y cuándo está listo. Si no tienes eso, la velocidad de AI te va a jugar en contra porque vas a producir mucho que no pasa ningún filtro.
Y mide resultado, no volumen. No "cuántas cosas hicimos" sino "qué impacto tuvo lo que hicimos”. Porque hoy hacer “mucho” es mas facil que nunca, hacer algo que importe sigue siendo igual de dificil.
Tambien sucede exactamente lo contrario. Gente con todas las herramientas, el setup perfecto, los prompts optimizados, y al final del día el output es cero. Están más enfocados en el setup que en producir algo.
BCG le puso nombre: "AI brain fry." Los que perfeccionan su combinación de herramientas para siempre y nunca se ponen a producir. El estudio lo confirma: más herramientas, menos output.
Aunque todavia muchos están en el otro extremo.
Si hoy no estás usando AI en tu trabajo, estás quedando atrás de una forma que todavía no se siente pero que pront va a ser obvia.
El gap entre la gente que usa AI bien y la que no la usa se está abriendo rápido. Lo que uno hace en un día, el otro lo hace en una semana.
La clave no es usar más herramientas. Es elegir las que tienen sentido para tu trabajo, ir profundo, y medir lo que importa. No cuántas herramientas estás usando, ni cuantas cosas hiciste. Sino que resultado tiene lo que hiciste
Lo que me llamó la atención esta semana
Google Gemini se metió en Docs, Sheets y Slides
Google actualizó Gemini para que funcione adentro de Docs, Sheets y Slides de una forma que antes no podía.
Ahora le puedes decir "armame un documento con los puntos clave de los emails de contabilidad y el archivo de gastos que está en Drive" y lo hace. Cruza información de emails, calendario, chat y archivos para crear lo que le pidas.
En Sheets agregó algo que se llama Fill with Gemini que llena tablas automáticamente. Según Google, es 9 veces más rápido que hacerlo manual para tablas de 100 celdas.
Le describes lo que necesitas en lenguaje normal y arma el spreadsheet completo.
Esto va directo a donde está la productividad real. No es un chatbot que te da respuestas. Es AI metida adentro de las herramientas que ya usas todos los días, trabajando con tu data real.
El 60% de las empresas ya despidió gente anticipando AI. El 55% se arrepintió.
Harvard Business Review publicó una encuesta con más de 1,000 ejecutivos globales y el dato es duro.
El 60% ya recortó personal anticipando el impacto futuro de AI. Pero solo el 2% de esos recortes estaban vinculados a resultados concretos de implementación de AI.
El 55% se arrepintió. La mitad está revirtiendo los recortes en silencio.
Deutsche Bank advirtió sobre lo que llaman "AI washing," que es usar AI como excusa para despidos que en realidad no tienen nada que ver. Es más fácil decir "estamos automatizando" que admitir que contrataste de más.
La forma correcta de adoptar AI no es recortar primero y después ver qué pasa. Es implementar, medir los resultados, y recién ahí reasignar.
El que despide antes de implementar pierde dos veces. Pierde el talento y pierde tiempo tratando de recuperar lo que esa gente hacía.
Eso es todo por esta semana.
Si estás usando AI en tu operación o pensando en hacerlo, responde. Me gusta saber qué está haciendo la gente. Y si te puedo ayudar con algo, mejor.
-Ed
Te gusto este newsletter? Conoce lo que estamos construyendo en Kleva.
Si alguien te reenvió esto, puedes suscribirte aquí: