Lo que viene · Observatorio

Observatorio de Lo que viene

Observatorio de fuentes y señales externas que investiga qué está cambiando, qué patrones empiezan a repetirse y qué figura provisional emerge del conjunto.

Estado
Lectura provisional

No intentamos adivinar el futuro. Reunimos señales, comprobamos qué dicen y observamos qué empieza a repetirse.

Este observatorio responde a una pregunta concreta: qué está cambiando y qué figura empieza a emerger cuando se leen juntas fuentes que proceden de lugares distintos.

Reúne evidencia de investigación, empresas, instituciones, regulación, seguridad, capital, servicios profesionales y mercados. Cada fuente se conserva por separado antes de agruparse en temas y sólo después se utiliza para construir una lectura de conjunto.

Desde lugares muy distintos aparece una tensión recurrente:

La tecnología amplía lo que es posible hacer más deprisa de lo que personas y organizaciones consiguen integrarlo.

A esa separación creciente la llamamos Brecha de Transición.

Es un concepto de Paraíso. Ninguna fuente individual lo demuestra por sí sola y la formulación debe cambiar si cambia la evidencia.

Qué observamos

Una nueva posibilidad técnica no entra sola en una organización.

Hay que decidir si merece la pena, integrarla en procesos, conectar datos y sistemas, formar a las personas, verificar resultados, definir quién puede actuar, proteger información, repartir responsabilidades y medir si realmente crea valor.

Por eso seguimos señales relacionadas con:

  • atención, información y decisión;
  • aprendizaje y capacidad de absorción;
  • productividad y trabajo cognitivo;
  • integración y modelo operativo;
  • agentes, delegación y autoridad;
  • seguridad, evaluación y observabilidad;
  • responsabilidad y trazabilidad;
  • instituciones, regulación y adaptación;
  • infraestructura y mercados que se forman alrededor del cambio.

Cómo se construye la lectura

La secuencia es deliberadamente conservadora:

  1. fuentes y señales — qué dice cada evidencia y qué no permite afirmar;
  2. temas — qué empieza a repetirse entre fuentes diferentes;
  3. síntesis provisional — qué figura general puede sostenerse al volver a la evidencia;
  4. método y archivo — cómo se ha construido la lectura y qué cobertura tiene.

La síntesis actual puede resumirse así:

Producir información, software y capacidad cognitiva es cada vez más fácil. Integrar esas posibilidades en personas y organizaciones sigue siendo difícil. Mientras ambas velocidades sean distintas, seguirá existiendo una brecha de transición.

Es una hipótesis provisional. Puede cambiar cuando cambien las fuentes.

Los campos especializados tienen entrada propia

Parte del mismo corpus alimenta investigaciones que ya han adquirido entidad suficiente para leerse como observatorios propios: IA, agencia y gobernabilidad, Startups y crecimiento, Oportunidades y Capital y acceso.

No se duplican ni se mueven las piezas para conseguirlo. Conservan su ubicación y sus URLs, pero pueden descubrirse desde esas entradas temáticas.

Ver todos los observatorios →

Mapa del observatorio

Estructura completa del Observatorio

El mapa se deriva del grafo público actual e incluye sus ramas especializadas y descendientes sin convertirlos en un único schema editorial.
Cómo comprobamos lo que vemos1 pieza públicaFuentes y señales54 piezas públicasLo que viene · síntesis provisional1 pieza públicaQué fuentes cubrimos1 pieza públicaTemas16 piezas públicas
Ver mapa completo · 73 piezas públicas
  1. Cómo comprobamos lo que vemosMétodo
  2. Fuentes y señalesÍndice del Observatorio
  3. Ada Lovelace Institute · Cuando el agente actúa, la responsabilidad necesita seguirlePieza
  4. Agentes y privacidad · Cuanto más útil quiere ser el agente, más fronteras necesita atravesarPieza
  5. Agile Manifesto · Cuando seguir el plan importa menos que responder al cambioPieza
  6. AI Act · El regulador crea un lugar para aprender antes de exigir certeza completaPieza
  7. BCG · Las empresas que aprenden antes pueden ampliar la distanciaPieza
  8. Bolt-on AI · La IA también puede ayudarnos a hacer más rápido lo que ya no deberíamos hacerPieza
  9. Business Agility Institute · La IA amplifica la organización que ya tienesPieza
  10. CB Insights · Cuando un mercado empieza a dibujarse antes de estabilizarsePieza
  11. ChatGPT · Una capacidad antes especializada llega a cualquiera que pueda conversarPieza
  12. Coding agents · El capital financia herramientas capaces de construir otras herramientasPieza
  13. Cohen y Levinthal · Tener conocimiento delante no significa saber aprovecharloPieza
  14. Consolidación empresarial · Las capacidades agénticas empiezan a comprarse, no solo a construirsePieza
  15. Cynefin · Antes de decidir, hay que saber qué clase de problema tenemos delantePieza
  16. Deloitte · Poner IA encima de un proceso antiguo puede dejar intacto el problemaPieza
  17. EU AI Act · La IA deja de ser solo una capacidad técnica y entra en un régimen de obligacionesPieza
  18. Gartner · Cuando aparecen agentes para vigilar a otros agentesPieza
  19. Gartner · El software empieza a pasar de ayudarnos a hacer a hacer parte del trabajoPieza
  20. Gartner · La palabra «agente» también puede convertirse en humoPieza
  21. Gartner · Los agentes empiezan a entrar en decisiones que mueven mercancía y dineroPieza
  22. Generative AI at Work · La IA puede hacer que la experiencia circule más deprisaPieza
  23. GitHub Copilot · Una tarea puede hacerse mucho más rápido sin que eso resuelva todo el trabajoPieza
  24. GPT-4 · Cuando más tareas empiezan a ser tratables con IAPieza
  25. Herbert Simon · Cuando sobra información, el problema es saber qué importaPieza
  26. IAIS · El seguro incorpora IA sin poder externalizar la responsabilidad por gobernarlaPieza
  27. Ikujiro Nonaka · Lo que sabe una persona no es todavía lo que sabe una organizaciónPieza
  28. Information overload · Tener más información puede hacernos decidir peorPieza
  29. ITU · Los agentes avanzan más deprisa que las reglas para coordinarlosPieza
  30. James March · Ser muy bueno en lo de siempre puede convertirse en un problemaPieza
  31. John Boyd · No basta con decidir bien: hay que decidir a tiempoPieza
  32. Law Society · La profesión jurídica empieza a prepararse para delegaciones que todavía no controla bienPieza
  33. Marsh · La IA entra en los despachos como productividad y como nueva superficie de riesgoPieza
  34. McKinsey · Cuando una nueva capacidad toca funciones centrales de casi cualquier empresaPieza
  35. McKinsey · Dar IA a las personas es solo el principioPieza
  36. McKinsey · La ventaja difícil de copiar puede ser aprender a transformarsePieza
  37. McKinsey · La ventaja ya no está en tener IA, sino en cambiar cómo funciona la empresaPieza
  38. Mercados de capitales · Cuando la IA entra en el workflow, datos, decisión y gobierno dejan de poder separarsePieza
  39. Microsoft · Cuando trabajar también significa dirigir agentesPieza
  40. Microsoft 365 Copilot · La IA deja de ser una ventana aparte y entra en el trabajo cotidianoPieza
  41. MIT NANDA · Usar mucha IA no significa transformar una empresaPieza
  42. NCSC · No toda autonomía necesita el mismo nivel de supervisiónPieza
  43. NIST · Gestionar IA generativa significa seguir el riesgo durante todo su ciclo de vidaPieza
  44. NIST AI RMF · Usar IA también significa aprender a gobernar sus riesgosPieza
  45. OECD AI Principles · La confianza empieza a convertirse en infraestructuraPieza
  46. OpenAI · Cuando el modelo empieza a usar herramientas, observar la ejecución se vuelve parte del productoPieza
  47. OWASP · El riesgo cambia cuando la IA puede actuarPieza
  48. OWASP · Un agente también hereda el riesgo de todo lo que conectaPieza
  49. Peter Senge · Si solo miramos acontecimientos, llegamos tarde a los procesos que los producenPieza
  50. Stack de agentes · Una capacidad que actúa necesita muchas otras capacidades debajoPieza
  51. Stanford · Con la misma tecnología, unas empresas transforman y otras noPieza
  52. Teece, Pisano y Shuen · La ventaja no está solo en lo que tienes, sino en tu capacidad para cambiarloPieza
  53. Thomson Reuters · La IA entra en las profesiones antes de que sus organizaciones sepan qué modelo de trabajo producePieza
  54. VUCA · Cuando el mundo deja de comportarse como esperábamosPieza
  55. WEF y Accenture · La transformación entra en el trabajo de oficina y las profesionesPieza
  56. Lo que viene · síntesis provisionalFigura provisional
  57. Qué fuentes cubrimosCorpus
  58. TemasÍndice del Observatorio
  59. Adaptación, exploración y reconfiguraciónGrupo
  60. Adopción, medición y captura de valorGrupo
  61. Agentes, delegación y autoridadGrupo
  62. Aprendizaje, memoria y conocimiento organizativoGrupo
  63. Atención, información y relevanciaGrupo
  64. Capital, plataformas e infraestructura del mercado agénticoGrupo
  65. Decisión en entornos cambiantesGrupo
  66. Herramientas, contexto, permisos e identidadGrupo
  67. IA generativa y ampliación del trabajo cognitivoGrupo
  68. Instituciones, regulación y experimentaciónGrupo
  69. Productividad y trabajo profesionalGrupo
  70. Responsabilidad, trazabilidad y assuranceGrupo
  71. Seguridad, evaluación y observabilidadGrupo
  72. Servicios profesionales, seguros y transición de profesionesGrupo
  73. Workflow, integración y modelo operativoGrupo