La fiebre

Hace unos días, Forbes publicó que startups en proceso de cierre están vendiendo sus archivos de Slack, correos electrónicos, tickets de Jira y documentos de Google Drive a laboratorios de inteligencia artificial. SimpleClosure, la empresa que facilita estas operaciones, ha procesado cerca de cien transacciones en el último año, con pagos de entre 10.000 y 100.000 dólares por empresa. Su CEO, Dori Yona, lo describe sin rodeos: "Hay una sensación de fiebre del oro."

La razón es precisa. Los datos públicos de internet — Reddit, Wikipedia, libros digitalizados — se agotaron en torno a 2024. Pero los nuevos sistemas de IA agéntica necesitan algo distinto: datos que reflejen cómo se toman decisiones reales dentro de organizaciones reales. No texto limpio y publicado, sino la conversación a las diez de la noche en un canal de Slack donde alguien dice "esto no funciona" y otro responde "ya, pero el cliente lo necesita para el jueves."

Lo que está ocurriendo es un acto de cartografía. Y la cartografía tiene una historia larga.

El privilegio del cartógrafo

La historia de los mapas es, en buena medida, la historia de quién decide qué merece ser registrado.

En el siglo II, Ptolomeo usó el término terra incognita para nombrar los territorios que nadie había cartografiado. Los espacios en blanco de sus mapas no eran neutros: eran declaraciones de ignorancia que funcionaban como invitaciones. Durante el Renacimiento, esos blancos adquirieron un significado político: las potencias europeas los rellenaban con información — a veces inventada — que demostraba posesión. Cartografiar era reclamar.

J.B. Harley, en su ensayo "Deconstructing the Map" (1989), convirtió esta intuición en tesis: los mapas no son representaciones neutrales del espacio. Son construcciones sociales donde el poder — militar, político, económico — se inscribe sobre el territorio. Quien dibuja el mapa decide qué existe y qué no.

Esa lógica se repite en las ciencias sociales, pero dirigida hacia adentro: no mapear territorios, sino comportamientos. En 1924, un equipo de Harvard comenzó a observar sistemáticamente a los trabajadores de la planta Hawthorne de Western Electric en Chicago. Querían entender qué condiciones mejoraban la productividad. Registraron turnos, conversaciones, dinámicas de grupo. Lo que descubrieron los sorprendió: el mero hecho de observar cambiaba el comportamiento. Los trabajadores rendían más no por la iluminación, sino porque sabían que alguien los miraba. El acto de mapear distorsionaba el territorio.

Cuatro décadas después, Henry Mintzberg intentó algo parecido con directivos. Para su tesis doctoral en 1968, siguió físicamente a cinco ejecutivos durante una semana cada uno, registrando todo lo que hacían: cada llamada, cada reunión, cada interrupción. Descubrió que la gestión real era fragmentada, reactiva, caótica — nada que ver con la teoría ordenada de los manuales. Pero el método tenía un coste: semanas de trabajo para datos de cinco personas.

En 2001, Gordon Bell, investigador de Microsoft, comenzó MyLifeBits: el intento de grabar absolutamente todo sobre su propia vida. Llevaba una SenseCam al cuello que tomaba fotos cada treinta segundos. Capturaba llamadas, emails, mensajes, temperatura corporal. El sueño del registro total. Aguantó seis años y abandonó.

Ese mismo año, Larry Page ató una cámara a su coche y empezó a fotografiar las calles de San Francisco. No tenía un plan sofisticado. Tenía una intuición: que las calles del mundo contenían información que nadie había pensado en capturar. Luc Vincent, el ingeniero que dirigiría el proyecto, lo recordaría como "un coche Frankenstein": una furgoneta de seguridad prestada con GPS, láseres y cámaras atornilladas al techo. Seis años después, Google Street View cubriría más de ocho millones de kilómetros de carreteras en 83 países. Las calles habían estado siempre ahí. Lo que no había estado era la mirada que las convertía en datos.

The knowledge of the circumstances of which we must make use never exists in concentrated or integrated form, but solely as the dispersed bits of incomplete and frequently contradictory knowledge which all the separate individuals possess.

— Friedrich Hayek, The Use of Knowledge in Society (1945)

El patrón es constante: entender cómo funcionan realmente las personas — cómo trabajan, deciden, se coordinan — requiere observarlas. Pero la observación es cara, intrusiva y distorsionante. Mintzberg necesitó semanas para cinco directivos. Hawthorne demostró que mirar cambia lo mirado. Bell desistió de registrarse a sí mismo.

Y entonces, sin que nadie lo planificara, las organizaciones empezaron a registrarlo todo sobre sí mismas.

El mapa accidental

Anthropic ha discutido invertir más de mil millones de dólares en reinforcement learning gyms — entornos simulados de trabajo donde entrenar a sus agentes con datos de organizaciones reales. El concepto es revelador: un gimnasio de aprendizaje. Un espacio donde la IA practica ser un trabajador del conocimiento, usando como material de entrenamiento las conversaciones, decisiones y errores de trabajadores del conocimiento reales.

Lo que Mintzberg solo pudo hacer con cinco directivos durante una semana, las empresas de IA lo están haciendo con miles de organizaciones enteras durante años. Y sin el efecto Hawthorne: los trabajadores no sabían que estaban siendo observados. Escribieron esos mensajes en un contexto de caducidad asumida — el "ruido operativo," las quejas, las dudas, las decisiones a medio cocinar. Resulta ser la señal más valiosa. La etnografía organizacional más completa jamás producida, y nadie pretendía que lo fuera.

Conway al revés

En El Río describí la ley de Conway: la estructura de comunicación de una organización se imprime en los sistemas que construye. Si dos equipos no hablan, sus componentes no se integrarán bien. La organización se copia en el producto como una marca de agua.

Ahora estamos viendo la operación inversa. Para construir un agente que trabaje como un humano en una organización — que responda correos, gestione tickets, coordine con otros —, primero hay que ingerir cómo los humanos se organizan para trabajar. Los hilos de Slack donde alguien discrepa y alguien cede y alguien toma una decisión que nadie documentó formalmente. Es la ley de Conway leída al revés: el producto necesita absorber la organización para poder funcionar como ella.

El mapa del Imperio

Borges escribió en 1946 un relato de un solo párrafo titulado "Del rigor en la ciencia." En él, los cartógrafos de un imperio crean un mapa tan detallado que coincide punto por punto con el territorio. Las generaciones siguientes lo encuentran inútil y lo abandonan a la intemperie.

Los reinforcement learning gyms son, literalmente, mapas a escala 1:1 de organizaciones. Simulaciones construidas con datos reales de cómo trabajaban personas reales. El mapa del comportamiento organizacional que coincide con el territorio.

Pero hay algo que Borges no anticipó, porque su relato trata de mapas consentidos. Los cartógrafos de su imperio trabajaban por encargo. Los trabajadores cuyas conversaciones alimentan estos gimnasios no encargaron nada. No firmaron para que su frustración a las once de la noche entrene a un sistema. Marc Rotenberg, fundador del Centro para la Política de IA y Digital, lo dice claro: "No son datos genéricos. Son personas identificables."

Las calles de San Francisco existían antes de que Google las fotografiara. Pero una vez fotografiadas, dejaron de ser solo calles. Se convirtieron en nodos de un sistema de navegación, vigilancia y valor comercial. Mapear calles generó protestas en varios países — caras borrosas, matrículas capturadas. Mapear el interior de las organizaciones toca algo más íntimo: cómo piensas, cómo dudas, cómo cedes.

El territorio

En 1999, Carl Shapiro y Hal Varian publicaron Information Rules, el primer intento serio de describir la economía de los bienes de información. Sus reglas eran contraintuitivas para quien viniera de la economía industrial: un bien de información tiene un coste de producción alto y un coste de reproducción cercano a cero. Es un bien de experiencia — no sabes cuánto vale hasta que lo consumes. Y es no rival — usarlo no lo agota.

Los mensajes de Slack siempre fueron bienes de información. Siempre tuvieron esas propiedades. Pero nadie los había tratado como tales, porque el contexto de demanda no existía. Una conversación a las diez de la noche sobre un bug no vale nada para quien la escribió. Vale miles de dólares para quien necesita entrenar a un agente que resuelva bugs a las diez de la noche. La información no cambió. Cambió el sistema que le da sentido.

Todo acto de cartografía transforma la relación del mapeado con su propio territorio. Las calles se sienten distintas desde que están en Google Maps. Los océanos, desde que hay un satélite mirando. Y el interior de las organizaciones — esa terra incognita que los científicos sociales llevaban un siglo intentando cartografiar con medios artesanales — se sentirá distinto una vez que entendamos que cada mensaje que escribimos es, potencialmente, un dato de entrenamiento.

Shapiro y Varian advirtieron que en la economía de la información, el valor no reside en el objeto sino en la conexión. Las calles, las conversaciones, el ruido operativo — todo lo que parecía no tener valor lo cobra en el instante en que alguien descubre cómo conectarlo con un sistema nuevo. Y a diferencia de las calles, que solo se pueden fotografiar, los bienes de información se pueden copiar, combinar y reutilizar infinitamente. Esa es la regla que lo cambia todo.