El MIT publicó un estudio que introduce un concepto que me parece fascinante:
Cuando las personas no logran un compromiso crítico con un tema, su escritura puede volverse sesgada y superficial. Este patrón refleja la acumulación de deuda cognitiva, una condición en la que la dependencia repetida de sistemas externos, como los LLM, reemplaza los procesos cognitivos esforzados necesarios para el pensamiento independiente.
La deuda cognitiva retrasa el esfuerzo mental a corto plazo, pero genera costos a largo plazo, como una menor indagación crítica, mayor vulnerabilidad a la manipulación y menor creatividad. Cuando los participantes reproducen sugerencias sin evaluar su precisión o relevancia, no solo pierden la propiedad de las ideas, sino que también corren el riesgo de internalizar perspectivas superficiales o sesgadas.
Me gusta el concepto de “deuda cognitiva”, porque encapsula la noción de que el esfuerzo que te vas ahorrar si ChatGPT hace las cosas por ti, lo vas a tener que pagar de alguna otra manera (en el mercado laboral).
Andrew R. Chow escribe en Time.com:
El estudio dividió a 54 sujetos (de 18 a 39 años del área de Boston) en tres grupos y les pidió que escribieran varios ensayos del SAT utilizando ChatGPT de OpenAI, el motor de búsqueda de Google, y ninguna herramienta, respectivamente. Los investigadores utilizaron un electroencefalograma (EEG) para registrar la actividad cerebral de los escritores en 32 regiones cerebrales y descubrieron que, de los tres grupos, los usuarios de ChatGPT presentaban la menor interacción cerebral y un rendimiento consistentemente inferior a nivel neuronal, lingüístico y conductual. A lo largo de varios meses, los usuarios de ChatGPT se volvieron más perezosos con cada ensayo, recurriendo a menudo a copiar y pegar al final del estudio.
[…]
Tras escribir los tres ensayos, se pidió a los sujetos que reescribieran uno de sus trabajos anteriores. Sin embargo, el grupo ChatGPT tuvo que hacerlo sin la herramienta, mientras que el grupo que solo usó el cerebro pudo usar ChatGPT. El primer grupo recordaba poco de sus propios ensayos y mostró ondas cerebrales alfa y theta más débiles, lo que probablemente reflejaba una omisión de los procesos de memoria profunda. «La tarea se ejecutó, y se podría decir que fue eficiente y práctica», afirma Kosmyna. «Pero, como demostramos en el estudio, básicamente no se integró nada en las redes de memoria».
Mark my words: los siguientes años, la ventaja competitiva en el mercado laboral la van a tener las personas que pueden demostrar pensamiento crítico cara a cara, no quellas que tengan más o mejores habilidades técnicas.
Acabo de escuchar el último episodio de Titanic, Ship of Dreams, un podcast documental que cuenta la historia de (adivinaste) el Titanic.
12 episodios de storytelling exquisito, con entrevistas de expertos, historiadores, y hasta familiares de personas que estuvieron directamente involucradas en la tragedia.
No lo puedo recomendar lo suficiente. Tienes que escucharlo.
Oliver Burkeman, uno de mis autores más favoritos del mundo, comparte la forma en que setructura su día — el método 3/3/3:
- Dedicar tres horas a mi proyecto más importante actual, habiendo definido un objetivo específico para el progreso que pretendo lograr ese día;
- Completar tres tareas cortas, generalmente tareas urgentes o tareas “pegajosas” que he estado evitando, normalmente de solo unos minutos cada una (también cuento las llamadas y reuniones); y
- Dedicar tiempo a tres “actividades de mantenimiento”, cosas que requieren mi atención diaria para que mi vida funcione a la perfección.
La aplicación de task management que uso desde hace un rato es OmniFocus, y me gusta bastante su concepto de Perspectivas. La forma en que me he mantenido en forma con mi productividad es tener una perspectiva que llamo “Today”, y lo que hago es, durante mis reviews, seleccionar de mi (interminable) lista de cosas por hacer las más importantes para el día de hoy. Comenzaré a aplicar la idea 3/3/3 pronto, a ver cómo me va.
PD — Si no has leído 4,000 Weeks, te estás tardando. $399 MXN en Amazon, es una ganga.
En un artículo del año pasado, Cal Paterson predice que construir (entrenar) LLMs no va a ser un buen negocio, gracias a los principios económicos de la industria:
Existen cinco componentes básicos (“fuerzas”) que definen la posición de una empresa:
- El poder de sus proveedores para aumentar sus precios
- El poder de sus compradores para reducir sus precios
- La fuerza de la competencia directa
- La amenaza de nuevos participantes
- La amenaza de sustitutos
Es la estructura del sector la que determina la rentabilidad de un negocio. No la eficiencia, ni el trabajo duro, ni la innovación.
Si ninguna de las fuerzas está en su contra, su negocio prosperará. Si todas están en su contra, estará en la misma posición que las aerolíneas. Y si todas están a su favor: ¡genial!, es Coca-Cola.
La implicación aquí es que las aerolíneas son famosamente negocios horribles que no generan dinero de manera directa, así buscan apalancarse de cualquier otro mecanismo para tener ganancias. Puedes ver este video para entender por qué, por ejemplo, muchas aerolíneas en realidad son bancos que operan aviones.
Coca-Cola, por otro lado, es un gran negocio porque sus insumos son bastante simples, y es un ejercicio de mercadotecnia.
¿Y qué tiene que ver esto con los LLMs? Que prácticamente todas las compañías que están entrenando nuevos modelos tienen una sola y gran dependencia: NVIDIA.
En realidad, los fabricantes de LLM solo tienen un proveedor real: NVIDIA. NVIDIA fabrica los chips en los que se entrenan todos los modelos, independientemente del proveedor de la nube. Y eso le otorga a NVIDIA un poder de fijación de precios colosal, casi absoluto. NVIDIA es más potente en comparación con Anthropic u OpenAI de lo que Airbus o Boeing jamás podrían soñar.
Ahora, The Information reporta que OpenAI está ofreciendo acceso a su modelo o3 con descuentos de hasta el 90% para nuevos clientes, confirmando la sospecha de Ben Thompson del año pasado: el valor de los LLMs va a estar ligado a la plataforma, no a la capacidad del modelo:
Soy escéptico: creo que los modelos ciertamente diferirán, pero no lo suficiente como para no ser tratados como productos básicos; el mayor valor se obtendrá al crear plataformas que traten los modelos como procesadores, ofreciendo mejoras de rendimiento a los desarrolladores que nunca necesitan saber qué sucede en segundo plano. Esto significa que los mayores beneficios se obtendrán del alcance horizontal (en la capa de API, la capa de modelo y la capa de GPU), a diferencia de la integración vertical; Google debe demostrarme que estoy equivocado.
Recapitulemos. Para poder entrenar un LLM requieres una cantidad estúpida de GPUs, y NVIDIA es la única compañía que tiene la capacidad para producirlos a la escala necesaria, así que ellos controlan el mercado y te van a hacer pagar hasta por los ojos. Digamos que consigues el dinero, y logras poner tu data center. ¿Cómo vas a competir con OpenAI, que tiene reconocimiento de marca, presencia mundial, una plataforma, y que estáofreciendo o3 con un 90% de descuento?
Volviendo al artículo de Cal:
Las empresas de software son muy buenas empresas. No tienen proveedores reales, su software suele ser único, por lo que no hay competencia, y el sustituto es simplemente fabricarlo uno mismo. Por esta razón, las empresas de software suelen tener márgenes de beneficio muy altos.
El problema es que no todas las empresas tecnológicas son empresas de software. Si tienes un único proveedor enormemente poderoso como NVIDIA, la rentabilidad de tu empresa se parecerá menos a la de Microsoft Office y más a la de Pan-Am.
Los próximos años se anticipan interesantes.
Charity Majors, CTO de Honeycomb.io, en su blog personal, responde la pregunta de un lector sobre cuándo tiempo deberías darle a tu nuevo empleo para saber si es el indicado para ti o no:
Cero. Deberías darle 0 tiempo. Ya lo sabes, y lo has sabido durante mucho tiempo; no va a cambiar. Lo siento. 💔
No estoy diciendo que debas renunciar mañana, una persona necesita comer, pero probablemente deberías empezar a pensar en términos de cómo manejar el problema y liberarte de él, no como si estuvieras esperando a ver si será una buena opción.
Un buen amigo una vez me dijo algo que se me quedó grabado en la mente: los empleos son tan malos que hasta te pagan por hacerlos.
Obviamente es hipérbole, pero hay un pedazo de verdad en todo eso. Jeff Bezos tiene una versión de esta idea: “considérate afortunado si te gusta el 50% de tu empleo”. Es decir, no puedes esperar que todo en tu empleo sea fácil y sin complicaciones, pero tienes que mantener tu estandar de qué es aceptable y qué no.
Cada trabajo que he aceptado, lo supe en la primera semana si era adecuado para mí o no. Eso podría estar exagerando un poco las cosas (la memoria puede ser así). Pero definitivamente tuve una fuerte reacción visceral a la empresa a los pocos días de comenzar, y el resto de mi mandato fue más o menos congruente con esa reacción.
La primera semana en CADA trabajo es un lío de ansiedad y nervios y cuestionarte a ti mismo y a los que te rodean. Nunca son pelusas cálidas. Pero en los trabajos que terminé amando y quedándome a largo plazo, la ansiedad era como “Dios mío, esta gente es tan genial y tan jodidamente competente, espero poder estar a la altura de sus expectativas”.
Y luego estaban los trabajos en los que la ansiedad que sentía era más como una sensación hundida de pavor, de “oooohhh Dios, espero que esto sea único y no el tipo de cosa que encontraré todos los días”.
Si algo no se siente bien, ponle atención. Obviamente, no tomes decisiones viscerales, pero como dice Charity al inicio, tienes que tomarlo como una señal de que bueno, ahora tu chamba es encontrar otra chamba.
Core skill a desarrollar en la vida profesional y personal: confiar en tu intuición. Cuando algo o alguien me ha dado desconfianza, y he ignorado a mi intuición, he terminado en situaciones desagradables. Como cuando decidí emprender un negocio con un conocido y al momento de cerrar el trato el apretón de manos fue de pescado muerto.
En el blog de Singleton.io:
En los últimos meses, algo fundamental cambió para mí con los agentes autónomos de programación con IA. Han pasado de ser una curiosidad de “¡Oye, esto es genial!” a algo sin lo que realmente no puedo imaginarme trabajar. No de forma superficial ni exagerada, sino de una forma muy concreta: “esto está cambiando mi forma de crear software”.
Si imagino una escalera de nuestra relación en evolución con los agentes de codificación, hemos subido a un nuevo peldaño. Hemos pasado de “autocompletado más inteligente” y “ayudante por encima del hombro” a relaciones genuinas de “delegado a” – son como pasantes ansiosos y decididos.
Este post está bueno porque ofrece una perspectiva de cómo diferentes tareas que se hacen durante el ciclo de vida del desarrollo están siendo automatizadas más y más con el uso de LLMs y agentes. Hay varios ejemplos prácticos ahí que me gustaron.
Me gusta también que el autor ofrece una perspectiva realista de qué puede pasar si nos vamos con la finta de que ya estamos en una panacea:
Cuando estás aprendiendo una nueva tecnología, la IA puede ayudarte a progresar lo suficiente como para pintarte en una esquina. Generará con confianza código que se ejecuta, pero refuerza sus propios conceptos erróneos sutiles sobre cómo funciona el sistema subyacente. Sin una base sólida, no se puede distinguir entre buenas sugerencias de IA y tonterías que suenan plausibles. Por lo tanto, una sólida comprensión de cómo escribir y estructurar el código sigue siendo muy importante para utilizar mejor esta tecnología.
Tener output de manera más económica gracias a una nueva herramienta, no te exhime de la responsabilidad del resto del sistema y sus implicaciones. En un post pasado escribí que ChatGPT no es tan diferente de una calculadora: ambas te ayudan a llegar a una respuesta más rápido. Pero donde la calculadora nada más te ayuda un paso a la vez, ChatGPT te resuelve todo de un jalón. Y esa distinción nos puede hacer corto circuito para pensar que ya no necesitamos entender los fundamentales que se expresan a través de la parte mecánica que automatizamos.
Recuerda: teclear es la parte fácil. Nunca se trató de eso.
Craig Jamieson escribe sobre la importancia de tener una marca personal:
Solía tener una regla. Si me sorprendía quejándome demasiado a menudo del lugar donde trabajaba, probablemente era hora de seguir adelante. Esa mentalidad me ayudó a evitar el resentimiento. Me ayudó a actuar antes de quemarme. Pero estamos viviendo en uno de los mercados más difíciles que he visto en años. No le deseo desempleo a nadie, y alejarse no siempre es posible.
Aun así, demasiadas personas están sentadas frustradas y no hacen nada para cambiar su situación. No tomar medidas para mejorar las cosas en el trabajo. No hacer el arduo trabajo de aparecer públicamente y construir una presencia. No hacer mucho de nada, excepto quejarse.
Cuando estás en una situación difícil, tienes de dos: o sufres agachando la cabeza, aceptando el status quo, y frustrándote cada día más; o sufres haciendo lo necesario para cambiar las cosas.
No es fácil, ni justo. Pero es lo que toca. Comienza por identificar tus opciones:
Algunos problemas de trabajo se pueden resolver. Se necesitan conversaciones difíciles, claridad y coraje. Si el equipo está roto, si el liderazgo está fuera, si el rol ha cambiado, tienes que hablar. Sugerir cambios. Redefina su valor. Establece límites. Nada de esto es fácil, pero es posible.
Si la situación no mejora, todavía tienes opciones. Empieza a poner energía en cómo te presentas fuera del trabajo. Comience a construir el tipo de presencia que le dé influencia cuando llegue la próxima oportunidad.
Eso significa actualizar tu sitio web. Actualizando tu LinkedIn. Poniendo tu trabajo ahí fuera. Reescribiendo tu biografía para que refleje dónde estás ahora, no dónde estabas hace cinco años. No necesitas convertirte en una máquina de contenido. Solo necesitas ser visible y consistente.
Y ejecutar con consistencia y dedicación antes de que creas que lo vas a necesitar:
Si quieres cambiar tu situación, no puedes esperar hasta que te obliguen a actuar. Ahí es cuando la gente entra en pánico. Ahí es cuando se apresuran a actualizar un currículum o escribir una publicación después de seis meses de silencio. Nunca es efectivo.
Por más que me gustaría que escribir en este blog fuera suficiente para pagar las cuentas, y a pesar de que me leen miles de personas todas las semanas en mi newsletter, la realidad es que el mayor uso que le he dado a mi marca personal es la de conectarme con potenciales empleadores.
oof:
John Maynard Keynes tenía razón al 100%, y lo que predijo sucedió. Hoy en día es posible trabajar solo 15 horas a la semana y ganarse la vida. Por ejemplo, si ganas 100 $ por hora, 15 horas a la semana te harán aproximadamente 6000 $ al mes, que es un salario bastante bueno para los estándares del mundo occidental. En realidad, hay un gran número de personas que siguen este camino y yo soy uno de ellos. Por supuesto que seguimos siendo una minoría, pero ese es el problema del resto.
[…]
Hay prácticamente millones de personas que son lo suficientemente ricas como para permitirse trabajar solo unas pocas horas al día, pero no lo hacen. En realidad, parece (con algunas excepciones) que cuanto más rica es la persona, más trabaja. ¿Por qué? ¡Se supone que es al revés! Cuando eres rico, puedes permitirte tomártelo con calma y relajarte, pero aún así la gente solo hace la vida más difícil en la búsqueda de la aceptación, el reconocimiento y la valoración.
Continuando con el tema de la semana (que sin querer queriendo) fue “cuidado con buscar ser 100% eficiente”, Matt Duffy publica “Eficiencia sin moralidad es tiranía”, primero reconociendo que llegamos a este punto porque lo necesitábamos:
La tecnocracia —la adopción de una lógica social donde la experiencia técnica dicta las decisiones, impulsando la eficiencia, la optimización y la reducción de realidades complejas a resultados mensurables— surgió porque la necesitábamos. A medida que las sociedades escalaban, necesitábamos coordinación, optimización y reducción de desperdicios. Los líderes técnicos cobraron relevancia; «aprender a programar» se convirtió en la abreviatura de toda una cosmovisión que valoraba la habilidad técnica por encima de las actividades más superficiales en las artes y las humanidades. «Seguir la ciencia» se convirtió en una apelación a la autoridad, en lugar de un verdadero llamado al rigor científico.
Pero si, en la búsqueda interminable de mayor eficiencia, dejamos de lado la moralidad (preguntarnos si deberíamos hacer algo antes de simplemente hacerlo porque se puede), las cosas se pueden poner (ya se pusieron) feas:
En ausencia de un orden moral compartido, la tecnocracia lo sustituye por uno económico frío. Clasifica a las personas en categorías productivas e improductivas. Ni siquiera nuestras mejores redes de seguridad pueden deshacer esta clasificación, porque la tecnocracia no castiga, sino que olvida. No le importa quién eres, solo lo que produces.
Esta clasificación implacable, esta reducción de individuos complejos a meros agregados de datos, no solo describe la realidad, sino que la moldea activamente, convirtiéndose en un combustible principal para el corrosivo identitarismo negativo que desgarra nuestro tejido social. Cuando los sistemas dominantes de trabajo, gobierno e interacción solo reconocen afiliaciones grupales o grupos estadísticos, las personas aprenden que el camino para ser vistos, para obtener influencia o recursos, reside únicamente en enfatizar la identidad grupal. Esto incentiva la formación de tribus definidas tanto por a quién se oponen como por a quién apoyan, exigiendo que los individuos eleven ferozmente la relevancia de su grupo, a menudo en detrimento de todos los demás. La identidad deja de ser una cuestión de pertenencia orgánica para convertirse en una postura estratégica, a menudo adversaria, que nos impone un sistema ciego a la persona.
Un peligro latente es que comencemos a buscar respuestas sobre nuestra identidad en el mismo sistema de que nos reduce a estadísticas:
No temo simples disrupciones en nuestras vidas, como que la IA ocupe puestos de trabajo. Habrá más trabajos por hacer. Temo que reemplace nuestras identidades y nuestro juicio. Será la última autoridad a la que recurriremos al integrarnos plenamente con la máquina.
En How Economics Explains the World, Andrew Leigh menciona un punto importante y relacionado con el movimiento de los Luditas (que he mencionado antes): con la automatización de la industria textil, en realidad la tasa de empleo subió 10% de 1811 a 1821. Probablemente vayamos a ver algo similar en los siguientes años.
No se trata de pánico. La IA puede ser una herramienta humana fundamental, o puede reemplazarnos por completo. Si continuamos por el camino de la primacía tecnocrática, la IA se convierte en nuestra sucesora natural. No porque nos esclavice, sino porque nos supera en un sistema optimizado para una producción limpia y eficiente. Un mundo que ve a los humanos como insumos ineficientes es un mundo que eventualmente dejará de necesitarlos y, en el mejor de los casos, simplemente los tolerará.
Matt argumenta que el antídoto es hacer las cosas más a conciencia — es decir, ser ineficientes:
La única respuesta viable es establecer un nuevo orden predominante que supere la eficiencia. Debemos acordar un marco moral que guíe nuestras decisiones económicas y sociales. Esto no significa revivir dogmas excluyentes ni imponer la uniformidad. Significa recuperar la seriedad moral, algo arraigado en la comprensión de que los humanos son imperfectos y que el proyecto de vivir bien se basa en el fracaso continuo, el perdón y el crecimiento. Si esto suena a tradición, no es casualidad. Los ciclos de fracaso y crecimiento son ciclos ineficientes; trazan un camino sinuoso y desordenado entre dos puntos. Por eso la tecnocracia odia el proceso humano.
Hoy más que nunca, tenemos que luchar por preservar lo que nos mantiene humanos. La eficiencia pura es un camino insostenible.
Perspectivas de alguien que trabaja en la industria de entretenimiento y acaba de egresar de la universidad, en Substack:
Hay muchos de estos “certificados” y bootcamps que se han convertido en una industria en sí misma, enseñando a la gente lo que se les debe permitir, esperar e incluso animar a aprender en el trabajo. Muchos de los certificados y bootcamps de la industria del entretenimiento enseñan cosas como el manejo de una cámara, los fundamentos de la dirección, la cinematografía y la edición de video. Quizás me equivoque, y me encantaría, pero ¿no es esta clase de cosas básicas la que te dan un poco de margen y puedes pasar las primeras dos o tres semanas de un trabajo aprendiendo? Parece que ahora todos los trabajos esperan que seas un experto y estés perfectamente capacitado, solo para pagarte $23 por hora.
David Crawshaw, co-fundador de Tailscale, está escribiendo una serie de blog posts explicando cómo usa LLMs para programar. El último se trata de cómo usa Agentes, y tiene esta introducción:
Vale la pena comenzar con una definición de la palabra “agente” en el contexto de los LLM. El auge de la IA ha estado utilizando este término tan genérico durante más tiempo del que los agentes han sido realmente constructos útiles. Como resultado, hay que investigar un poco de marketing engañoso y misticismo general para encontrarle algún valor. Para alguien con formación en ingeniería, ahora existe una definición sencilla: un agente consta de 9 líneas de código. Es decir, un agente es un for loop que contiene una llamada LLM. El LLM puede ejecutar comandos y ver su resultado sin intervención humana.
En iOS, Node.js, Java, y muchos otros ambientes de programación, te vas a encontrar el concepto de run loop — literalmente un bucle que está constantemente alimentando a tu programa con eventos para que puedas reaccionar a ellos.
No necesitas saber del run loop de iOS para poder hacer una aplicación básica. Pero sí te conviene entender cómo funciona, y sus limitantes, para sacarle más provecho a los recursos que tienes.
No lo había pensado de esa manera. Un agente es un for loop con llamadas a un LLM. Brillante. 🤯
Preetam Jinka publica en su blog cómo usar LLMs le ha permitido regresar a escribir más seguido:
Escribir son realmente dos cosas diferentes. Primero, está el trabajo de averiguar lo que quieres decir. Tienes un concepto, piensas en los puntos principales y descubres cómo hacer que todo fluya. Esto lleva tiempo. En segundo lugar, tienes que poner las palabras en la página, que en su mayoría es solo escribir.
Lo mismo que con programar. Teclear es la parte fácil.
El último episodio de su podcast, Morgan Housel habla sobre la importancia de tener margen de errores, pero desde el punto de vista de las finanzar personales — particularmente, la deuda:
Creo que la deuda puede ser algo maravilloso y desempeña un papel fundamental en la sociedad, además de que puede ser utilizada responsablemente por personas, empresas y gobiernos. No estoy en contra de la deuda en absoluto, pero como todo lo bueno, puede llevarse demasiado lejos y es muy fácil ignorarla y no comprender los peligros ni las desventajas de lo que se está utilizando. Y, por supuesto, esa es la larga historia milenaria de la deuda.
Tener deuda es el margen de error que no tienes para soportar cambios importantes en tu vida:
Así es como me gusta pensar en la deuda. Imagina una línea larga y ondulada. Casi parece un gráfico de volatilidad, con subidas y bajadas, subidas y bajadas, subidas y bajadas en momentos aleatorios.
Quizás sea como un electrocardiograma. Imaginemos eso como la volatilidad de tu vida. No solo en la bolsa o la economía, sino en tu vida.
Puede ser, sí, recesiones, pero también guerras, divorcios, enfermedades, mudanzas, inundaciones, cambios de opinión. Esa es la volatilidad de tu vida. Ahora bien, si no tienes deudas, si estás libre de deudas, entonces la cantidad de eventos volátiles que puedes soportar a lo largo de tu vida tiene un rango.
Así que piensa en ese gráfico de acciones, en el gráfico de líneas onduladas. Imagina que hay como un canal. Hay una línea por encima y otra por debajo del gráfico, y todo lo que está dentro de ese canal lo puedes soportar, puedes sobrevivir.
Y cómo tener deuda limita tus opciones:
A medida que aumenta la deuda, se reduce el rango de posibilidades que se pueden afrontar en la vida. Ahora, piensen en lo que acabo de decir. No mencioné la tasa de interés, ni el costo de la deuda, ni el costo del capital, ni nada que se pueda aprender en una clase de finanzas.
A medida que aumenta la deuda, se reduce el rango de posibilidades que se pueden afrontar en la vida. Creo que esa es la forma más práctica de considerar la deuda. Es muy simple, pero muy diferente de cómo se suele considerar, que es simplemente una herramienta para impulsar la demanda y apalancar los activos, donde la única desventaja es la tasa de interés.
Me gusta este mindset de considerar el margen de error.
Me encontré un artículo de hace casi 5 años que habla sobre la importancia (sí, importancia) de que los sistemas sean ineficientes:
Durante décadas, hemos valorado la eficiencia en nuestra economía. Nos esforzamos por ello. Lo recompensamos. En tiempos normales, eso es algo bueno. Correr solo en los márgenes es eficiente. Una única cadena de suministro global justo a tiempo es eficiente. La consolidación es eficiente. Y todo eso es rentable. La ineficiencia, por otro lado, es un desperdicio. El inventario adicional es ineficiente. La sobrecapacidad es ineficiente. Usar muchos proveedores pequeños es ineficiente. La ineficiencia no es rentable.
Pero la ineficiencia es seguridad esencial, como nos está enseñando la pandemia de COVID-19. Todo el exceso de capacidad que se ha exprimido de nuestro sistema de salud; ahora desearíamos tenerlo. Toda la redundancia en nuestra producción de alimentos que se ha consolidado; nosotros también queremos eso. Necesitamos nuestras viejas cadenas de suministro locales, no las únicas globales que son tan frágiles en esta crisis. Y queremos que nuestros restaurantes y negocios locales sobrevivan, no solo las cadenas nacionales.
El tipo de ineficiencia ideal depende del sistema:
No quiero decir simplemente que tengamos que hacer que nuestra producción de alimentos, o sistema de salud, o cadenas de suministro sean descuidadas y derrochadoras. Necesitamos cierto tipo de ineficiencia, y depende del sistema en cuestión. A veces necesitamos redundancia. A veces necesitamos diversidad. A veces necesitamos exceso de capacidad.
Me quedo con esta pregunta: en mi vida, ¿qué aspectos que considero ineficientes y quiero eliminar, realmente me están funcionando como ancho de banda extra ante imprevistos?