~ 5 min · 2026-05-26 · by Jose Burga
La singularidad organizacional: cuando dos personas con IA pueden replicar tu negocio
Salim Ismail lanza una pregunta que quema a cada CEO que conoce: ¿puede un equipo de dos personas con IA replicar tu línea de negocio más rentable en 60 a 90 días? Si la respuesta es sí, el reloj ya corre.
La pregunta que quema
Salim Ismail, co-autor de Organizaciones Exponenciales y arquitecto del concepto ExO, tiene una pregunta que lanza a cada CEO con el que se reúne:
“¿Puede un equipo de dos personas con IA replicar tu línea de negocio más rentable en 60 a 90 días?”
No como ejercicio académico. Como diagnóstico de exposición.
En este momento hay startups de tres personas construyendo versiones AI-native de negocios que llevan décadas operando con 500 empleados. Lo hacen más rápido, con menos deuda técnica y a una fracción del costo. El diferencial no es talento ni capital: es arquitectura.
Por qué la empresa tradicional se rompe
Durante 80 años, las empresas grandes existieron por una razón económica precisa. En 1937, el economista Ronald Coase ganó el Premio Nobel por demostrar algo que hoy parece obvio pero en su momento fue revolucionario: las organizaciones surgen porque coordinar internamente es más barato que contratar en el mercado. Si tienes a todos en nómina, los puedes dirigir, y eso reduce los costos de transacción.
Esa lógica funcionó bien. Tan bien que construimos jerarquías enteras alrededor de ella: gestión media para consolidar información, capas de aprobación para controlar riesgo, departamentos completos para coordinar entre departamentos.
El problema es que los agentes IA eliminan el supuesto fundacional. Cuando construir una feature es más barato que tener la reunión para decidir si construirla, la coordinación interna deja de ser la ventaja que era. Como escribió alguien en X hace meses: “building the feature is cheaper than having the meeting about the feature.”
La coordinación, antes una ventaja competitiva, se convierte en fricción pura.
Lo que sobrevive: el wedge fiduciario
Esto no significa que las empresas desaparecen. Ismail introduce el concepto de “fiduciary wedge”: el espacio entre lo que los agentes pueden ejecutar y lo que requiere responsabilidad legal y juicio humano.
Las empresas sobreviven como contenedores. Entidades legales que sostienen responsabilidad, IP propietaria y relaciones con clientes. Lo que desaparece es la justificación económica de tener doce capas de gestión entre el CEO y la operación.
Lo que queda en el centro de la empresa AI-native:
Propósito como protocolo. La misión de la empresa no es un poster en la pared. Es un conjunto de reglas que los agentes consultan antes de actuar, con condiciones de borde definidas y bucles de retroalimentación que dicen cuándo se está saliendo del camino correcto.
Stack de inteligencia con gobernanza. Capas de agentes que observan, interpretan, deciden, orquestan y aprenden, con un bucle de supervisión humana en cada nivel. Cada agente tiene un “pasaporte”: permisos definidos, restricciones explícitas y logs de auditoría para poder rastrear y revertir si algo sale mal.
Juicio curatorial. Cuando la ejecución es casi gratuita, el juicio sobre qué ejecutar y qué conservar se vuelve el activo más escaso. Los roles de alto valor en la empresa AI-native son los que saben hacer esa distinción.
El error que se repite en empresas grandes
Ismail ha visto el mismo patrón en cientos de empresas: intentar transformar la organización existente desde adentro. Inyectar IA en los procesos legacy. Contratar un Chief AI Officer y esperar que todo cambie.
No funciona. No porque la gente no quiera cambiar, sino porque las organizaciones tienen un sistema inmune. Un dato que cita: el 44 por ciento de los trabajadores de la Generación Z están activamente saboteando los agentes IA que sus empleadores instalan, porque perciben la amenaza a sus roles. Es la respuesta inmune en acción.
La solución es la misma que aplicó Steve Jobs con la Mac, Amazon con AWS y Nestlé con Nespresso: construir la disrupción en el borde, separada del negocio principal, sin tocar la vaca que da leche.
La metodología: Rewrite en seis pasos
Ismail llama a este proceso “Rewrite”. Lo que se construye en el borde no es una prueba piloto: es un digital twin organizacional, una entidad AI-native que replica y eventualmente reemplaza los flujos de trabajo de la empresa original.
Los seis pasos:
1. Backcasting. Visualizar cómo se ve la empresa completamente AI-native y trabajar hacia atrás para construir el roadmap. La pregunta no es “cómo mejoramos lo que tenemos” sino “cómo se ve esto si lo construimos desde cero hoy”.
2. Score de fricción. Medir el arrastre organizacional en siete dimensiones: velocidad de decisión, ciudadanía de IA, transparencia de datos, etc. Este score dice dónde están los cuellos de botella antes de tocar nada.
3. Mapeo de flujos. Documentar los flujos de trabajo más prescriptivos. El conocimiento tácito es el riesgo mayor aquí: los pasos que nadie documenta porque “todos saben cómo se hace” son los que rompen la transición.
4. Reducción de arrastre. Eliminar capas de aprobación hasta que los flujos puedan ejecutarse en tres pasos o menos. Si un proceso necesita más de tres pasos, todavía no está listo para el twin.
5. Construcción del twin. Crear la entidad separada, migrar flujos uno por uno, correr el twin en paralelo con el proceso original hasta que supere al original en velocidad y calidad.
6. Reconexión progresiva. Deprecar el proceso viejo workflow por workflow y reconectar los sistemas hacia el twin.
El indicador de que el proceso está funcionando es específico: el twin entra en bucle de auto-mejora. Cada iteración del flujo resulta mejor que la anterior sin que nadie lo empuje. Cuando eso pasa, la ventaja compuesta sobre un proceso manual se hace imposible de alcanzar desde afuera.
Qué significa esto para LATAM hoy
Ismail estima una ventana de 5 a 7 años antes de que la mayoría de las empresas hayan transitado o muerto. En Perú, eso se traduce en que los negocios con márgenes altos y procesos replicables (logística, facturación, atención al cliente, procesos regulados) tienen dos o tres años de ventaja si empiezan ahora.
Hay modos de protección que todavía funcionan. Datos propietarios que no pueden ser replicados desde afuera. Regulación sectorial que crea barreras de entrada. Y velocidad de aprendizaje: el moat más sostenible a largo plazo, porque si tu organización aprende más rápido que cualquier competidor, nadie te alcanza.
Nosotros en Intinova Labs hemos visto esto de cerca. El momento en que un flujo de trabajo entra en auto-mejora es real y verificable. Cuando pasa, el diferencial de rendimiento sobre un proceso manual se hace imposible de recuperar desde una empresa que todavía opera en jerarquía.
Si tu empresa tiene flujos de trabajo que dos personas con IA podrían replicar en 90 días, este es el momento de preguntarte qué vas a hacer con esa información.