La IA redacta en segundos, pero lo que se paga es verificar
Anthropic calcula que su propio uso interno de Claude se multiplicó más de 250 veces entre enero y septiembre, y que más del 90% del código nuevo de septiembre lo escribió Claude. Producir se abarató a ritmo récord; lo que no se abarató es chequear si lo producido sirve, y ahí está hoy el costo escondido de la IA en cualquier negocio.
El dato que ordena el día viene del prospecto de salida a bolsa de Anthropic, según Business Insider: en abril, el valor del uso interno de Claude, calculado a los precios que la empresa cobra a sus clientes, ya superaba la masa mensual de sueldos sin contar acciones, y para septiembre ese uso interno había crecido más de 250 veces desde enero. Además, más del 90% del código agregado a su software en septiembre lo escribió Claude. Es un valor calculado a precio de lista, no caja gastada, y la propia nota lo aclara, pero la dirección del movimiento es inequívoca: generar es cada vez más barato y abundante.
La lectura que proponemos es la que casi nadie hace: cuando producir sale casi gratis, el cuello de botella se muda a quien decide si lo producido está bien. Lo que se vuelve caro es el criterio, es decir, el tiempo de una persona competente para verificar, corregir y decir que no. Quien mide solo la velocidad de generación está contando la mitad de la cuenta.
Señal 01 · Verificación
Por qué el costo de chequear la salida de la IA decide si rinde
Christopher Myers, que enseña management en la W.P. Carey School of Business de Arizona State University y fundó una consultora de implementación de IA para pymes (declara un interés financiero en ella), publicó el 1 de noviembre en Entrepreneur un argumento simple: el valor económico de un texto, un informe o una respuesta generada depende de qué tan barato y confiable es que una persona competente lo verifique en la decisión real.
Cita datos de la Oficina del Censo de Estados Unidos de fines de 2025 y comienzos de 2026: el uso de IA en las empresas ronda entre el 17% y el 20%, y más firmas planean sumarse. Su advertencia es que la próxima ola no se va a frenar porque los modelos empeoren, sino en los lugares donde chequear sigue siendo lento, opaco o socialmente incómodo.
La lectura propia: la mayoría compra IA por velocidad y descubre el costo de revisar después. Una salida barata que obliga a tres rondas de corrección de alguien caro es trabajo caro disfrazado de ahorro.
Construir una app con IA en cinco semanas: lo difícil fue decir que no
Vaibhav Sisinty contó el 1 de noviembre el caso de una persona que armó con IA una aplicación para registrar bebés. Tomó cinco semanas en total, Claude Code escribió 330 de sus 474 commits y la primera versión funcional estuvo lista en tres días. Quien la hizo no escribió la mayor parte del código: puso la idea, las referencias y siguió diciendo que no hasta que quedó bien.
La app retuvo 4.252 registros reales de la aplicación anterior ya en su primera noche, porque cada pantalla se diseñó contra noches reales y no contra datos de relleno. Un comentario en el mismo hilo resume el punto con precisión: el gusto son 330 commits de decir que no, no de tipear.
La lectura propia: en este caso la IA aportó volumen y el humano aportó la verificación contra la vida real. Ese es el reparto que se está pagando.
El mismo prospecto de Anthropic que cita Business Insider muestra el otro extremo: una empresa cuyo código ya escribe en más de 90% una IA y cuyo uso interno de IA se multiplicó por más de 250 en nueve meses. A esa escala, la capacidad de revisión pasa a ser el recurso escaso, y el propio autor de la nota la presenta como un hito para la industria.
Para una pyme ocurre la misma lógica en chico: si la IA te produce diez borradores por hora y vos revisás dos, el sistema rinde dos. La velocidad de generación deja de ser la variable que importa y la capacidad de verificar pasa a ser la que limita.
Venimos registrando cómo el costo de la IA se desplaza de usarla a medir lo que rinde. La edición reciente sobre lo que conviene medir en tu gasto en IA y la del criterio propio frente a la producción masiva son el antecedente directo de esta lectura.
Elegí una tarea que hoy le delegás a una IA, por ejemplo los borradores de respuesta a clientes o los informes semanales. Cronometrá una semana cuánto tarda la IA en producir y cuánto tarda una persona en dejarlo listo para salir. Si la segunda cifra es la mitad del tiempo que te llevaba hacerlo a mano, el ahorro es real; si es casi igual, estás pagando una herramienta para mover el trabajo de lugar.
Con ese número en la mano, definí qué es un resultado aceptable antes de generar: una lista de tres o cuatro chequeos concretos (cifras contra la fuente, nombres propios, tono, qué no se puede afirmar). Revisar contra una lista toma minutos; revisar a ojo toma criterio caro. Podés saber que sirvió cuando la revisión baja de tiempo sin que suban los errores que llegan al cliente.
La movida del día
Esta semana, medí en una sola tarea el tiempo de generar contra el tiempo de verificar, y escribí en una lista los chequeos que ya hacés de memoria. Esa lista es tu primer activo de calidad y el comienzo de cualquier automatización de la revisión.
¿Si la IA escribe casi todo el código, para qué sirve el criterio humano?
Para decidir qué vale la pena construir y si lo construido sirve en la vida real. En el caso de la app de seguimiento de bebés, la IA escribió 330 de 474 commits, pero la persona fue quien siguió diciendo que no hasta que el resultado quedó bien. La generación escala con cómputo; la verificación escala con criterio.
La edición abierta lee el mundo. La tuya lee TU mundo — tu industria, tus proyectos, tus objetivos — y llega a tu casilla cada mañana. Nadie más recibe tu edición.
