¿Qué ventajas competitivas aún son defendibles en la era de la IA?

Título original: Cómo razonar sobre un futuro caótico
Autor original: Largo-Corto sistemático
Traducción: Peggy, BlockBeats

Nota del editor: A medida que la IA comienza a escribir código, optimizar código e incluso asumir gradualmente el proceso de producción de software, se avecina un cambio estructural más profundo: la división del trabajo, la organización corporativa e incluso las barreras del conocimiento pueden redefinirse.

El autor de este artículo formó parte de un equipo de casi 20 personas en un fondo de cobertura, pero optó por dejarlo para dedicarse al emprendimiento durante su avance profesional. En su opinión, la señal real no es el sentimiento del mercado, sino el salto en la capacidad técnica. Cuando los modelos pueden generar código utilizable de manera consistente y poseen capacidad de mejora recursiva, la lógica del desarrollo de software y la producción de conocimiento ya ha comenzado a cambiar.

El artículo, desde la perspectiva de las finanzas cuantitativas, analiza varios tipos de "zanjas" a corto plazo que aún pueden existir en la era de la IA, incluyendo datos propietarios, fricción regulatoria, respaldo de autoridades y retraso en el mundo físico. También presenta un juicio fundamental: en una era altamente incierta, más importante que predecir con precisión el futuro es identificar direcciones y tomar medidas antes de que se cierre la ventana.

A continuación, el artículo original:

Cuando los modelos comienzan a escribir código, el cambio se vuelve irreversible

La primera vez que me di cuenta de que la industria se acercaba a un punto de inflexión fue en mi trabajo anterior. Sentía como si la música de fondo se ralentizara mientras todos a mi alrededor seguían fingiendo que nada cambiaría.

En ese momento, estaba gestionando un equipo de casi 20 personas en un fondo de cobertura, haciendo lo que había estado haciendo durante muchos años. Desde fuera, esto era casi un camino de carrera en constante ascenso. Si me hubiera quedado allí, probablemente habría logrado un éxito aún mayor. Sin embargo, al final, opté por dejar esa posición con la que muchas personas soñaban y comenzar una nueva empresa desde cero con un equipo de solo unas pocas personas. Esta decisión era casi incomprensible en ese momento e incluso se veía como una forma de "suicidio profesional".

Pero en los últimos meses, despidos masivos, emprendimiento voluntario después de dejar empleos y cada vez más personas trabajando durante el día mientras programan y trabajan en proyectos tranquilamente por la noche. Todo esto ha hecho que la decisión que en aquel momento parecía "loca" parezca menos inverosímil.

Durante este tiempo, muchas personas me han preguntado: ¿a dónde nos llevará todo esto en última instancia? Este artículo es la respuesta que puedo proporcionar actualmente.

Francamente, no estoy seguro de cuán significativo será el cambio en última instancia. Pero una cosa que me ha enseñado la finanza cuantitativa es: estar en el camino correcto suele ser suficiente.

Lo que realmente me hizo darme cuenta de que el cambio era irreversible fue el modelo ChatGPT o1.

Antes de eso, siempre me refería a estos sistemas como "LLM", no como "IA". No creía que realmente tuvieran algún tipo de capacidad similar a la inteligencia. Pero cuando llegó o1, algo cambió: por primera vez, estos modelos podían generar código de manera estable a través de indicaciones estructuradas.

El código seguía siendo imperfecto y podía sufrir alucinaciones o malentendidos. Pero la clave era esta: ahora podía escribir código útil.

Mi juicio era simple. Una vez que la IA pudiera generar código utilizable, comenzaría a mejorar recursivamente su lógica y a impulsar el desarrollo de software a una velocidad que apenas podemos imaginar.

Cada vez que planteo este punto, alguien siempre argumenta: "Este código todavía tiene errores y está lejos de cumplir con los estándares de producción". Pero esto pasa por alto un hecho: el código escrito por humanos también tiene errores. No necesitamos IA para escribir código perfecto para dejar de escribir código nosotros mismos.

El verdadero punto de inflexión es cuando la tasa de error del código escrito por IA es menor que la de los humanos, y además es mucho más rápido. En ese momento, el acto de escribir código se subcontratará por completo a las máquinas.

Después de presenciar de primera mano las capacidades de o1, casi puedo estar seguro: habrá cambios muy drásticos en el futuro.

La trinchera que aún existe en la era de la IA

Inicialmente, pensé que la IA erosionaría gradualmente la industria de las finanzas cuantitativas, pero este proceso sería relativamente lento. La razón es simple: el código a nivel institucional casi no tiene datos disponibles públicamente para la formación.

En ese momento, imaginé la ingeniería de software como una pirámide: en la base estaba el trabajo básico de codificación; subiendo había ingenieros senior con capacidades de arquitectura; más arriba estaban los desarrolladores profesionales, como científicos de datos, desarrolladores cuantitativos y varios expertos de la industria. Teóricamente, cuanto más profunda es la experiencia, más segura es la profesión.

Mi evaluación inicial fue que en dos años, los programadores básicos serían los primeros en ser eliminados; seguidos por los ingenieros senior; más arriba, a medida que los modelos absorbían gradualmente el conocimiento especializado, las posiciones de nivel superior también se verían afectadas.

Pero pronto me di cuenta de otra cosa: las empresas de modelos de vanguardia eventualmente contratarían directamente a expertos de la industria para introducir conocimientos especializados en los modelos. En otras palabras, el conocimiento especializado sería, de hecho, una barrera a corto plazo, pero a largo plazo, también sería gradualmente absorbido por los modelos.

En mi evaluación en ese momento, había varios tipos de negocios que era poco probable que fueran fácilmente interrumpidos en los próximos cinco años.

Categoría Uno: Datos Propiedades

Las empresas con una gran cantidad de datos propios son más difíciles de reemplazar.

Por ejemplo, los grandes fondos de cobertura de múltiples estrategias (pod shop), como instituciones como Millennium, generan enormes cantidades de datos todos los días: investigaciones de analistas, recomendaciones de inversión, perspectivas de mercado, resultados de operaciones reales.

Estos datos se pueden utilizar para refinar continuamente los modelos, creando una ventaja competitiva que es difícil de replicar externamente. Mientras las fuentes de datos de una empresa no estén fácilmente disponibles para el modelo, aún mantiene una cierta ventaja basada en el tiempo.

Categoría Dos: Fricción regulatoria

Cualquier industria que requiera una aprobación humana significativa no se ve fácilmente alterada. Por ejemplo, los mercados financieros tradicionales.

Para entrar en estos mercados, es necesario: abrir una cuenta de corretaje, obtener licencias, firmar documentos legales transfronterizos. Comercializar activos criptográficos es fácil, pero una empresa extranjera que quiera comerciar con mineral de hierro en China está lejos de ser simple.

Mientras una industria aún requiera firmas humanas para su aprobación, su ritmo de desarrollo estará limitado por los procesos de aprobación.

Categoría Tres: Autoridad como servicio

Ahora, que la IA escriba una opinión legal ya no es un desafío. Pero la realidad es que las personas aún están dispuestas a pagar decenas de miles de dólares por un abogado para que les brinde asesoramiento legal. La razón es simple: Las opiniones de la IA carecen actualmente de autoridad.

La misma lógica se aplica a las auditorías de contratos inteligentes. Técnicamente, la IA ya puede igualar o incluso superar el nivel de los mejores auditores. Pero el mercado todavía prefiere comprar el "sello" de una firma de auditoría conocida.

Porque lo que los clientes están comprando realmente no es la opinión en sí, sino la autoridad detrás de la opinión.

Categoría Cuatro: Mundo Físico

El progreso del hardware es mucho más lento que el del software, y los problemas de hardware también son más difíciles de solucionar.

Por lo tanto, es poco probable que las industrias que interactúan directamente con el mundo físico sean rápidamente interrumpidas por la IA a corto plazo. Sin embargo, una vez que las capacidades del hardware se pongan al día, la misma lógica seguirá aplicándose: las posiciones de nivel inferior desaparecerán primero, seguidas por las posiciones de nivel superior.

Estas zanjas existen. Pero debe reconocerse que solo retrasan el cambio en lugar de detenerlo.

Actuar en función de las señales, no esperar a tener la certeza

Cuando el futuro es muy incierto y el ritmo del cambio es rápido, la gente suele cometer dos errores.

El primero espera a tener la certeza antes de actuar. El segundo simplemente aplica analogías históricas, como: "Esto es como la burbuja de las puntocom".

Ambos enfoques pueden llevar a errores de juicio.

En situaciones de información incompleta, un enfoque más razonable es razonar a partir de los primeros principios.

No es necesario que conozcas cada detalle del futuro. Solo necesitas evaluar aproximadamente la dirección, diseñar apuestas asimétricas, lo que significa que si juzgas mal, la pérdida es manejable; si juzgas correctamente, la ganancia es enorme.

En un futuro incierto, la asimetría lo es todo.

Un método de pensamiento práctico es preguntarte primero: "¿Cuáles son las condiciones previas para que ocurra un cierto resultado?" y luego preguntarte si estas condiciones previas ya han surgido.

En retrospectiva, este punto de inflexión de la IA no fue difícil de prever. Porque ya existían las entradas clave: código que puede escribirse a sí mismo, modelos que pueden mejorar recursivamente, conocimiento institucional que se puede comprar en lugar de cultivar.

Siempre que observes detenidamente estas señales, podrás evaluar aproximadamente la dirección futura.

Incluso puedes seguir extrapolando.

Es posible que aún no hayamos visto realmente los siguientes escenarios: IA que puede entrenarse a sí misma, IA que puede replicarse a sí misma, IA que opera completamente de forma autónoma.

Si una IA puede mejorar sus propias capacidades en un 0,1 % a través de una serie de acciones, puede parecer insignificante. Pero mientras este número no sea 0, seguirá amplificándose. Este es un efecto típico de la ley de potencia.

En los mercados financieros, una vez que una señal se vuelve obvia, la negociación suele estar ya saturada.

En la inversión, cambias la incertidumbre por una creencia en una etapa temprana. En la carrera y en el emprendimiento, es fundamentalmente lo mismo.

Entonces, la verdadera pregunta no es ¿qué pasará en el futuro? sino más bien, ¿qué ya sé? ¿Qué dirección indican estas piezas de información? ¿Cuál es la diferencia de costo entre actuar ahora y esperar?

También hay un hecho que a menudo se pasa por alto: la acción en sí crea información.

La acción no ocurre en el vacío. Cuando tomas una acción en el mundo, el mundo proporciona retroalimentación. Esta retroalimentación aporta nueva información. La información impulsa la iteración. La iteración conduce a mejores acciones. Este es el mecanismo básico del progreso.

Permanecer en la incertidumbre es una forma de decadencia lenta. La acción, por otro lado, significa exploración.

Si solo quiero seguir disfrutando de los dividendos del sistema existente, tal vez pueda mantenerme durante unos años más. Pero siempre he querido hacer algo verdaderamente mío, y siento que esta ventana se está cerrando rápidamente.

Por supuesto, los fondos de cobertura más grandes del mundo seguirán teniendo éxito, ya que tienen datos propios que son difíciles de replicar. Los mercados financieros tradicionales también siguen limitados por la regulación y los procesos manuales.

Pero creo que, eventualmente, estas instituciones utilizarán la IA para reemplazar a la mayoría de sus empleados, incluidos los gestores de carteras.

No sucederá de la noche a la mañana, pero sucederá tarde o temprano.

Mi evaluación en ese momento fue que tenía aproximadamente una ventana de 4 a 5 años. Una vez que las empresas fundamentales de IA absorban suficiente talento de la industria, será difícil para las nuevas startups entrar en este espacio. En algunos mercados, como el mercado de valores de EE. UU., esta tendencia ya es muy evidente. El nivel de eficiencia dentro de unos años será casi inimaginable.

Pronto, ya no habrá lugar para un "segundo lugar" en este mundo. Podría seguir trabajando para instituciones de primer nivel, pero prefiero dar un paso en un campo en el que todavía tenga ventaja.

Así que renuncié y me dediqué por completo al emprendimiento. Más tarde, esa empresa se convirtió en OpenForage.

Ahora, la ventana se está cerrando rápidamente. El ritmo del cambio ya no es gradual. Lo que solía tardar meses en progresar ahora solo tarda semanas.

No creo que los trabajos desaparezcan por completo en los próximos años. Los humanos todavía necesitan a los humanos. Somos criaturas sociales y, actualmente, los humanos todavía no confían en la IA. La validación de autoridad todavía necesita venir de los humanos.

En los próximos años, incluso podríamos ver a CEOs de IA, pero probablemente todavía se requerirá un CEO humano para aprobar las decisiones de la IA. Esta "validación humana" se extenderá a través de la estructura organizativa. Los gerentes humanos supervisarán un grupo de agentes de IA.

Sin embargo, la lógica de contratación cambiará. Si al CEO le resulta más fácil comandar a la IA que a usted, es poco probable que sea contratado, y los trabajos básicos de codificación se volverán cada vez más difíciles de conseguir.

Si desea volverse insustituible, necesita lograr dos cosas. Primero, supera a la IA en una escala de tiempo. Por ejemplo, la planificación estratégica a largo plazo, la toma de decisiones complejas, la gestión de ciclos multianuales. En segundo lugar, supera a la IA en un alcance sistémico. El contexto de la IA sigue siendo limitado; conocen muchos hechos, pero les cuesta entender los efectos dominó de los sistemas complejos.

Si puedes pensar a largo plazo, absorber información rápidamente, tomar decisiones estratégicas y colaborar de manera efectiva, entonces, en un futuro previsible, seguirás teniendo un trabajo.

El punto de inflexión es en realidad visible antes de que llegue. Sin embargo, la mayoría de las personas o no miran, ven pero no actúan, o solo reaccionan cuando las señales se vuelven ensordecedoras. Para entonces, las oportunidades a menudo ya están valoradas por el mercado.

No ignore el terreno cambiante, no se demore en una posición que está perdiendo ventaja, todo el tiempo diciéndose a sí mismo que espere a un mejor momento para actuar. La verdadera oportunidad rara vez avisa con anticipación. Cuando todo el mundo se da cuenta, la ventana suele estar ya cerrada.

Vi la señal, hice la apuesta. Ahora, estoy viviendo el resultado de esa apuesta, para bien o para mal.

[Enlace al artículo original]