Escribirle bien a un modelo: 75 segundos vs 120 páginas

Dos números publicados en septiembre de 2026 marcan los extremos del mismo trabajo. MailerLite cronometró 75 segundos para que un modelo cree y cargue un borrador de email completo. a16z contó que LinkedIn necesitó un spec de 120 páginas para definir la experiencia de reimaginar una plataforma de empleos dentro de una red social. Entre los 75 segundos y las 120 páginas está todo lo que alguien tiene que decidir antes de pedir: qué se construye, para quién, con qué límites y cómo se sabe que salió bien. Ninguna fuente le puso reloj a ese tramo.

¿Qué parte del trabajo entra en los 75 segundos de un prompt?

Los 75 segundos que MailerLite publicó en septiembre de 2026 cronometran la ejecución y no la decisión. El reloj arranca con la instrucción ya escrita: qué campaña, para qué lista, con qué tono y con qué llamado a la acción. Definir esa lista queda afuera de la medición. El número es honesto sobre la parte barata del trabajo y no dice nada sobre la parte cara.

El caso de MailerLite salió publicado en septiembre de 2026 y describe la conexión entre un asistente y una plataforma de email mediante un servidor MCP. La demostración funciona porque la cuenta ya existe, las listas ya están segmentadas y la marca ya tiene un tono definido. El modelo no eligió el público ni la oferta: los encontró escritos. Cuando alguien que trabaja solo repite la escena desde cero, los 75 segundos siguen siendo 75 segundos, pero recién empiezan a correr después de un trabajo que nadie cronometró.

La asimetría importa a la hora de decidir qué delegar. Una tarea con destino claro y criterio de éxito escrito se resuelve en el orden de magnitud que mostró MailerLite en septiembre de 2026. Una tarea cuyo enunciado todavía no existe no se acelera: se traslada. El modelo devuelve algo en segundos y la revisión se come la ganancia, porque la corrección termina ocupando el lugar que debería haber ocupado la especificación.

¿Por qué LinkedIn necesitó un spec de 120 páginas?

LinkedIn necesitó un spec de 120 páginas para definir la experiencia de reimaginar una plataforma de empleos dentro de una red social, según contó a16z en septiembre de 2026. El volumen no viene de la dificultad técnica sino de la cantidad de decisiones que hay que dejar por escrito antes de que alguien construya: qué ve cada perfil, qué se prioriza, qué queda afuera. Un documento de ese tamaño es la forma que toma un problema todavía abierto.

El texto de a16z lo firma Josh Elman, que entró a LinkedIn después de una entrevista con Reid Hoffman donde le preguntaron cuál es el artefacto que produce un product manager. La respuesta que dio fue el spec: el documento donde se junta todo lo que está pasando y se escribe qué se va a hacer. Elman publicó en septiembre de 2026 que la pregunta le quedó dando vueltas durante años. El oficio de escribir el enunciado ya existía mucho antes de que hubiera modelos capaces de ejecutarlo.

Para alguien con un equipo chico, las 120 páginas no son una meta sino una escala. Nadie necesita ese volumen para pedirle a un agente que ordene una bandeja de entrada, y nadie se salva con media carilla cuando lo que quiere es cambiar cómo funciona un producto entero. La pregunta práctica es dónde cae el trabajo propio dentro de ese rango, y la respuesta depende de cuántas decisiones haya que congelar antes de delegar. Ese cálculo no tiene todavía ninguna referencia pública.

¿Qué queda valiendo cuando construir cuesta 5.000 rupias o nada?

Un sitio web que antes era caro de construir hoy se vende por 5.000 rupias o se genera gratis con un prompt de IA, según un video publicado en septiembre de 2026. La caída del precio de ejecutar no reparte valor de manera pareja: lo concentra en quien sabe decir qué hay que construir. La escasez se mudó del que teclea al que define.

El costo escondido de ejecutar aparece en los números que publicó Futurism en septiembre de 2026. Hausfather consumió 3.2 mil millones de tokens en un período de ocho semanas usando Claude Code, y casi todo ese consumo viene del agente releyendo su propio contexto acumulado en cada paso. El texto que la persona termina viendo es una fracción mínima del total procesado. Un agente que trabaja sobre un enunciado vago no hace menos: hace más, porque arrastra en cada vuelta todo el contexto que nadie le acotó.

La consecuencia para alguien que trabaja solo es de presupuesto y de foco. Un pedido mal escrito se paga dos veces: en pasos del agente y en el tiempo de revisar lo que volvió. Escribir unos párrafos de especificación antes de arrancar recorta las dos cosas a la vez, y es el único tramo del proceso donde una hora de cabeza rinde más que una hora de máquina. Ninguna de las cifras publicadas en septiembre de 2026 le pone precio a esa hora.

¿Qué pasa cuando no especificás de dónde sale el contexto?

Mandiant respondió a incidentes del actor UNC6780, que usó más de media docena de métodos para explotar herramientas de IA y el ecosistema de software abierto, incluida la manipulación por prompt injection del comportamiento de asistentes de código y escáneres de seguridad LLM. El informe salió por Google Cloud en septiembre de 2026. Un contexto que entra sin control es, en los hechos, una instrucción que escribió otro.

El informe de Mandiant describe un cambio de época: en 2026 los sistemas pasaron de asistir a ejecutar, con permisos para llamar APIs y tocar configuraciones de producción. Una sola fuente de datos envenenada alcanza para convertir un agente confiable en un canal de movimiento lateral. Para quien monta su propio flujo, la lectura práctica es que el spec no termina en qué tiene que hacer el agente: incluye qué puede leer, de dónde, y qué no debe obedecer aunque venga escrito dentro de un documento.

La misma superficie aparece del lado del software abierto. Google Cloud documentó en septiembre de 2026 la distribución de paquetes disfrazados de automatizaciones útiles que en realidad traían puertas traseras y robo de credenciales. Un agente que instala lo que encuentra está ejecutando el criterio de otro. Definir el perímetro, es decir qué fuentes valen, qué permisos existen y qué pasos requieren una firma humana, es parte del enunciado y no una capa de seguridad que se agrega al final.

¿Qué falta medir para saber cuánto cuesta especificar?

Falta un reloj del lado del enunciado. La evidencia publicada hasta septiembre de 2026 cronometra la salida, con los 75 segundos del borrador de email, y describe el tamaño del pedido, con las 120 páginas del caso de LinkedIn, pero nadie midió cuánto tarda una persona en escribir la especificación ni cuánto ahorra después. La distancia entre pedir y especificar sigue sin una sola medición pública.

La demanda existe y es enorme. Alrededor de 132 millones de consumidores usan inteligencia artificial, lo que da al comercio agéntico una base amplia de usuarios, según Mastercard en PYMNTS en septiembre de 2026. La misma nota aclara que el uso creciente no vino acompañado de más disposición a delegar: la gente conoce mejor los límites de un agente a medida que lo usa. Delegar exige poder decir de antemano qué está permitido y qué no, y ese texto es justamente el que nadie midió.

El techo tampoco está en la herramienta. Nureeyah Ogunmuyiwa, maquilladora en Lagos, usa ChatGPT desde 2024 para su negocio sin pagar por el servicio porque la versión gratuita le sirve, según Rest of World en septiembre de 2026. Alguien que sabe exactamente qué pedir extrae valor de la capa gratuita. Quien no lo sabe paga el plan más caro y sigue revisando salidas que no encargó con precisión. La diferencia la hace el enunciado, no la suscripción.

Si lo que buscás es el paso siguiente, escribir el enunciado antes de pedir, la guía del pilar arma prompts de IA para emprendedores con esa lógica.