Nicolás Klein analiza el impacto de la inteligencia artificial. Sostiene que “durante décadas, el software tuvo un rol bastante claro dentro de las organizaciones: ayudar a las personas a trabajar mejor. Las herramientas aumentaban productividad, automatizaban tareas o mejoraban la coordinación, pero el trabajo en sí seguía siendo humano. Incluso los sistemas más sofisticados estaban diseñados como asistentes: algo que facilitaba decisiones o aceleraba procesos, pero que no ocupaba realmente un lugar en el organigrama”.
La nueva generación de sistemas de inteligencia artificial empieza a cambiar ese paradigma. Ya no estamos hablando solamente de software que asiste, sino de sistemas que ejecutan partes completas de un rol dentro de una organización. Cuando eso ocurre, el cambio no es solo tecnológico: empiezan a modificarse los procesos, la forma en que se diseñan los equipos y el tipo de liderazgo necesario para operarlos.
El experimento de los “trabajadores digitales”
Ese fue el punto de partida cuando me sumé a 11x como Head of Engineering. La idea era ambiciosa: construir los primeros trabajadores digitales. No herramientas para vendedores, sino sistemas capaces de cumplir funciones completas dentro de un equipo comercial. El primer experimento fue un AI SDR cuyo objetivo era generar pipeline de ventas.
La visión era clara, pero la tecnología todavía estaba alcanzándola. El primer desafío no era crear un trabajador completamente autónomo, sino entender algo más concreto: qué partes del trabajo de un SDR podían automatizarse hoy y cuáles todavía requerían intervención humana.
Para responder esa pregunta analizamos el rol en detalle. Un SDR investiga prospectos, personaliza mensajes, responde conversaciones, agenda reuniones y mantiene pipeline. Algunas de esas tareas son estructuradas y repetitivas; otras requieren interpretación o contexto.
La clave no fue intentar automatizar todo, sino mapear el rol y diseñar flujos híbridos: sistemas donde la IA ejecuta partes del proceso —investigación, generación de mensajes, primeros intercambios— y donde existen puntos claros de transición hacia humanos cuando la conversación requiere más criterio.
También vimos algo interesante: estos sistemas no solo reemplazaban tareas, sino procesos completos que antes requerían múltiples herramientas y trabajo manual. Equipos que antes tenían diez SDRs realizando investigación, escritura y outreach podían operar con dos o tres SDRs y un nuevo rol: el GTM Engineer, dedicado a configurar y optimizar el sistema.
El equipo cambiaba de forma: menos operadores ejecutando tareas repetitivas y más personas diseñando cómo funciona el sistema.
Inteligencia artificial: automatizar tareas no es lo mismo que digitalizar roles
Trabajar en 11x dejó otro aprendizaje importante: digitalizar trabajo es muy distinto según el tipo de rol.
Cuanto más repetitivo es el trabajo, más fácil es automatizarlo. Pero cuando un rol empieza a involucrar análisis, decisiones o adaptación constante, la complejidad crece rápidamente.
Ese insight me llevó a observar otro problema estructural: cómo las empresas se comunican con sus clientes a gran escala. Muchas organizaciones tienen enormes cantidades de datos sobre su audiencia, pero convertir esa información en comunicación realmente personalizada sigue siendo sorprendentemente difícil.
Las campañas terminan siendo envíos masivos porque la complejidad operativa de segmentar audiencias y producir contenido adaptado es enorme. En ese contexto, los modelos generativos empiezan a jugar un nuevo rol: no solo como herramientas de redacción, sino como sistemas que integran datos, estrategia y contenido dentro de un mismo flujo de trabajo.
Diseñar organizaciones alrededor de sistemas inteligentes
Detrás de todo esto hay también un cambio más profundo en cómo se construye software.
Históricamente, desarrollar software implicaba codificar la lógica directamente en el sistema. Los sistemas basados en IA funcionan distinto: operan en entornos más abiertos, toman decisiones probabilísticas y participan dentro de procesos de trabajo.
Diseñarlos implica pensar menos en funcionalidades aisladas y más en procesos donde humanos y sistemas colaboran. En ese contexto, los equipos empiezan a cambiar de forma: menos personas ejecutando tareas manuales y más personas supervisando, afinando y co-planificando con sistemas inteligentes.
Cuando la inteligencia artificial deja de ser una herramienta y empieza a funcionar como colega dentro de un proceso, el desafío deja de ser solo tecnológico. También es organizacional: implica rediseñar roles, responsabilidades y la forma en que las empresas estructuran su trabajo.
La pregunta ya no es si la IA va a automatizar tareas.
La pregunta es qué tipo de organizaciones van a saber rediseñarse para convivir con sistemas que ya no asisten, sino que ejecutan.
Sobre el autor
Nicolás Klein es ejecutivo de ingeniería y cofundador de una startup de inteligencia artificial con base en Estados Unidos. Fue parte del equipo que escaló Hopin durante su etapa de hipercrecimiento internacional.
Fue Director de Ingeniería en Hopin durante su etapa de hipercrecimiento, donde escaló el equipo desde 5 hasta más de 1.000 personas y lideró procesos de integración post-adquisición en entornos multiculturales.
También fue Head of Engineering en 11x.ai, donde trabajó en el relanzamiento de uno de los primeros “digital workers” autónomos aplicados a ventas, alcanzando US$1M ARR en menos de cinco meses.
Previamente cofundó Adia Robotics, compañía enfocada en robótica y visión computacional. Es graduado con distinción de la London School of Economics (LSE) y participó en el desarrollo de tecnologías patentadas vinculadas a escalabilidad de plataformas digitales.
Actualmente reside en Londres.
