Automatizamos todo con IA y triplicamos nuestro equipo

You prompt AI to do something, it blows your mind, you feel inadequate, you feel like,"Oh my god, this thing is going to take my job." Le pides a la AI que haga algo, te deja con la boca abierta, te sientes inadecuado, piensas: "Dios mío, esta cosa me va a quitar el trabajo." And then it stops working and it looks back at you and says,"What should I do next?" Y luego se detiene, te mira y dice: "¿Qué debería hacer ahora?" The further away an agent gets from a human, the less valuable it is. Cuanto más lejos está un agente de un humano, menos valioso es. If you just ride the models, you're going to be fine. Si simplemente cabalgas los modelos, vas a estar bien. If you care about leading a really ambitious life, I truly think that this is going to make that more possible for more people. Si te importa llevar una vida verdaderamente ambiciosa, creo sinceramente que esto lo va a hacer más posible para más personas. Every is the only subscription you need to stay at the edge of AI. Every es la única suscripción que necesitas para mantenerte en el filo de la AI. If you care about being on top of the latest models and using latest tools, you have to subscribe to Every to separate out the signal from the noise. Si te importa estar al tanto de los últimos modelos y usar las últimas herramientas, tienes que suscribirte a Every para separar la señal del ruido. Go to every.to/subscribe today. Ve a every.to/subscribe hoy. So, we are here uh because we're going to flip the script a little bit. Bueno, estamos aquí porque vamos a darle la vuelta al guion un poco. I am going to be interviewing Dan Sick. Voy a entrevistar a Dan Sick. uh about the piece that he published yesterday, May 21st. Eh, sobre el artículo que publicó ayer, el 21 de mayo. Uh and we're going to try to understand why he wrote it, what's underneath his reasoning for it. Y vamos a intentar entender por qué lo escribió, qué hay detrás de su razonamiento. There's going to be some conflict. Va a haber algo de conflicto. I'm going to I'm going to fight with him on it. Voy a voy a pelear con él al respecto. Let's fight. Peleemos. and see, you know, bringing some of my opinions, which are more or less aligned, but uh trying to understand does this is this piece going to reflect the future in 10 years, in 5 years? y ver, trayendo algunas de mis opiniones, que están más o menos alineadas, pero eh, intentando entender si este artículo va a reflejar el futuro en 10 años, en 5 años. And who are you again? ¿Y quién eres tú? Um I'm Brandon. Eh, soy Brandon. I'm our COO. Soy nuestro COO. And that's it. Y eso es todo. So, the piece is called After Entonces, el artículo se llama "After And it it comes from this feeling that I have. Y viene de esta sensación que tengo. And there's a video about this, and there's there's a piece, but just for people who who have not seen either of those things. Y hay un video sobre esto, y hay un artículo, pero solo para las personas que no han visto ninguno de esos. It comes from this feeling that I have that at Every, we are as AI native, as agent native, as it as you as it gets, you know, if you swing a stick around in our Slack, you're you're as likely to hit a human as you are an Viene de esta sensación que tengo de que en Every somos tan nativos en AI, tan nativos en agentes, como se puede ser, sabes, si agitas un palo en nuestro Slack, es tan probable que le des a un humano como a un [snorts] [snorts] Everyone's using Claude Code and codex and all these tools to do their job every day. Todos están usando Claude Code y Codex y todas estas herramientas para hacer su trabajo todos los días. Um and yet it feels like there's more human work to do than ever. Y sin embargo, se siente como si hubiera más trabajo humano que hacer que nunca. And in fact like since the GPT-3 days like we've grown from four people to like 30 people and we're hiring more now. De hecho, desde los días de GPT-3, hemos crecido de cuatro personas a unas 30 y seguimos contratando más ahora. And so it came from me looking at that and then looking at the environment and being like what's going on because the whole information environment if you look at Dario is out there saying like half of entry-level white-collar jobs may be wiped out. Y eso surgió de mirar eso y luego mirar el entorno y preguntarme qué está pasando, porque todo el entorno de información, si miras a Dario diciendo que la mitad de los trabajos de cuello blanco de nivel inicial podrían desaparecer. Even even people like um like Ken Griffin from Citadel is like you can tell he just had this moment where someone showed him an AI doing like an advanced data or finance question and he was like holy [ __ ] like that's what I would pay PhDs to do for me and it just did it. Incluso personas como Ken Griffin de Citadel, puedes ver que tuvo ese momento en que alguien le mostró una AI haciendo una pregunta avanzada de datos o finanzas y fue como: "santo [ __ ] eso es lo que yo le pagaría a PhDs para que hicieran por mí, y lo acaba de hacer." And I feel like I'm watching a lot of people who maybe don't have a ton of experience with agents and don't have a ton of experience with the curve of improvement that we've been riding for the last like three three and a half years hit it for the first time and then come to all these conclusions about Y siento que estoy viendo a muchas personas que quizás no tienen mucha experiencia con agentes y no tienen mucha experiencia con la curva de mejora que hemos estado siguiendo los últimos tres, tres años y medio, que lo encuentran por primera vez y llegan a todas estas conclusiones sobre oh my god like all work is going away we're not going to have jobs and I'm just like sitting here being like actually your intuitions when you first see a technology like this are usually very "Dios mío, todo el trabajo va a desaparecer, no vamos a tener empleos" y yo estoy aquí como: en realidad, tus intuiciones cuando ves una tecnología como esta por primera vez suelen ser muy And we've seen a lot over and over again over the years that Y lo hemos visto muchas veces a lo largo de los años, que Every is a very good bellwether for where things are going because it's a it's a group of early adopters we have people in doing all sorts of work internally at Every and if something works here it there's a good bet that it's going to spread to other other places other other businesses that are that are adjacent to ours. Every es un muy buen indicador de hacia dónde van las cosas porque es un grupo de adoptadores tempranos, tenemos personas haciendo todo tipo de trabajo internamente en Every, y si algo funciona aquí, hay buenas probabilidades de que se extienda a otros lugares, otros negocios adyacentes al nuestro. And so when I look around at Every I I see so much automation and I also see way more human work. Y cuando miro alrededor de Every, veo mucha automatización y también veo mucho más trabajo humano. So I was really um the the whole piece is saying here's the current state of work with agents. Así que realmente, eh, todo el artículo dice: este es el estado actual del trabajo con agentes. And then pulling apart that paradox and sort of explaining why does why does more automation mean more work? Y luego desmenuzando esa paradoja y explicando por qué más automatización significa más trabajo. Yeah, when I read the piece it was there wasn't like an explicit call to action in it, but I sort of felt this call to action of like there is actually a massive amount of hope right now in a world that is filled with a lot of doomers. Sí, cuando leí el artículo no había una llamada a la acción explícita, pero sentí una especie de llamada a la acción de que hay en realidad una cantidad enorme de esperanza ahora mismo en un mundo lleno de muchos pesimistas. And um and this is why. Y eso es el por qué. Um Eh [snorts] [snorts] but I am going to come out of the gate and ask you a devil's advocate question. pero voy a salir con una pregunta de abogado del diablo. Which is a couple hours before you publish this piece the CEO of ClickUp came out with this long tweet about why he fired 8,000 people and 3,000 people some Que es que un par de horas antes de que publicaras este artículo, el CEO de ClickUp salió con este largo tuit sobre por qué despidió a 8,000 personas y 3,000 personas algo What? ¿Qué? I don't I don't think it was 8,000. No creo que fueran 8,000. I was 20,000 people. Eran 20,000 personas. What I mean Quiero decir [laughter] [laughter] I think it was like 3,000. Creo que fueron unas 3,000. an entire economy. toda una economía. like 22% of of his workforce. como el 22% de su plantilla. I don't think it was in the thousands, but yes, it was it was a No creo que fuera en miles, pero sí, fue fue una it was a lot of his workforce. fue mucha gente de su plantilla. Yeah. Sí. Yeah. Sí. So my question to you is um in a business like every we're growing super fast. Entonces mi pregunta es, en un negocio como Every que está creciendo muy rápido. Um what you wrote makes a lot of sense to me. Lo que escribiste tiene mucho sentido para mí. And what you wrote theoretically makes a ton of sense in that AI is not autonomous right now. Y lo que escribiste teóricamente tiene muchísimo sentido, en que la AI no es autónoma ahora mismo. It has to be told what to do and then has to be checked. Hay que decirle qué hacer y luego revisarla. We need to have that that sandwich that you described in in the piece. Necesitamos tener ese sándwich que describiste en el artículo. But in a business that is 8,000 people, 10,000 people that is mature and has built ways of managing like SOPs for managing their business does this manifesto and this thesis still hold true? Pero en un negocio de 8,000 personas, 10,000 personas que es maduro y ha construido formas de gestionar, como procedimientos para gestionar su negocio, ¿este manifiesto y esta tesis siguen siendo válidos? It's a Es una It's a really good question. Es una muy buena pregunta. Um Eh Are there a couple ¿Hay un par de There are a couple different questions here. Hay un par de preguntas diferentes aquí. The first thing I want to do is like lay out the argument. Lo primero que quiero hacer es exponer el argumento. Why does Why does automation make more work? ¿Por qué la automatización genera más trabajo? I'm sure many people listening to this also haven't read it. Estoy seguro de que muchas personas que escuchan esto tampoco lo han leído. So take a second to explain that in detail. Así que tómate un momento para explicarlo en detalle. I will do that. Lo haré. So basically, the idea is the way that AI works and the way it functions in the workplace is AI makes yesterday's expert competence cheap. Básicamente, la idea es que la forma en que funciona la AI en el lugar de trabajo es que la AI hace que la competencia experta de ayer sea barata. And by that I mean AI is trained on all of our outputs, all of the code and the writing and the design and and decision-making and everything that's ever been written. Y con eso quiero decir que la AI está entrenada en todos nuestros resultados, todo el código, la escritura, el diseño, la toma de decisiones y todo lo que se ha escrito. And it makes that available to everyone for very cheap. Y lo pone a disposición de todos a muy bajo costo. So uh you can Así que eh puedes So anyone now with a prompt can use yesterday's competence to solve a programming problem, build an app, or write a uh write a piece like I did, write a report, or uh or, you know, make a YouTube thumbnail. Así que ahora cualquiera con un prompt puede usar la competencia de ayer para resolver un problema de programación, construir una app, o escribir eh un artículo como el que hice yo, escribir un informe, o hacer una miniatura de YouTube. And the interesting thing is that when you do that when when expert competence is available for cheap, it gets really widely adopted. Y lo interesante es que cuando haces eso, cuando la competencia experta está disponible barata, se adopta masivamente. So everyone starts to do it. Así que todo el mundo empieza a hacerlo. Everyone starts to like, you know, we see this internal Todo el mundo empieza a, ya sabes, vemos esto internamente Everyone's making pull requests Todos están haciendo pull requests [ __ ] [ __ ] this is crazy. esto es una locura. Yeah. Sí. And and and like I'm making pull requests and ops people are making pull requests and you know, engineers are like writing essays and you know, there's all this line crossing basically for non-experts to do the thing that experts used to do. Y como yo hago pull requests, y la gente de operaciones hace pull requests, y los ingenieros están escribiendo ensayos, y hay todo este cruce de líneas básicamente de no expertos haciendo lo que los expertos solían hacer. And that feels very threatening to experts. Y eso se siente muy amenazante para los expertos. They're like,"Well, what's my job going to be now?" Son como: "Bueno, ¿cuál va a ser mi trabajo ahora?" Mhm. Mhm. And [snorts] what's interesting about that is because these tools are trained on outputs, are trained on yesterday's data the stuff that they do is uh with with default prompt with is it uh the stuff that they do with a default prompt all looks kind of similar and is all kind of right for the current situation, but it's like not actually totally right. Y [snorts] lo interesante de eso es que porque estas herramientas están entrenadas en resultados, están entrenadas en datos de ayer, lo que hacen con un prompt predeterminado, todo se parece bastante similar y es más o menos correcto para la situación actual, pero no del todo correcto. And so what happens is you sort of like flood the zone with tons of stuff that's like close, but not quite right. Y entonces lo que pasa es que inundas la zona con toneladas de cosas que están cerca pero no del todo bien. And then you need to basically like and and well Y entonces básicamente necesitas como y bueno There's a Hay una There's a lot of that at every too. Hay mucho de eso en Every también. There's a lot of Hay mucho de There's a lot of people doing what seems like great work and then you go under the hot under the hood and you're like, this isn't quite right. Hay mucha gente haciendo lo que parece un gran trabajo, y luego miras bajo el capó y dices: esto no está del todo bien. Maybe like the expert should do it. Quizás el experto debería hacerlo. Yeah. Sí. Yeah. Sí. Yeah. Sí. Exactly. Exacto. Uh me for example. Eh, yo por ejemplo.