Nunca ha habido más herramientas de automatización. Agentes de IA que pueden leer tu bandeja de entrada, resumir tus reuniones, redactar tus respuestas, escribir tu código, organizar tu semana. Cada mes, una nueva ola.
Y aun así, la mayoría de las personas con las que hablamos sigue haciendo el mismo trabajo manual, repetitivo y agotador que hacía hace dos años.
¿Por qué?
Pasamos los últimos meses intentando responder a esa pregunta. Nos sentamos con 22 personas de distintos roles, industrias y niveles de experiencia. Aproximadamente tres cuartas partes tenían un perfil técnico. El resto, no. Más o menos la mitad trabajaba en tecnología. La otra mitad, no.
Les preguntamos cómo era su trabajo. Qué les costaba. Qué les gustaría cambiar.
Lo que encontramos fueron cuatro barreras que aparecen una y otra vez, sin importar a qué se dedique la persona o cuán técnica sea. Tres son personales. La cuarta es estructural. Juntas explican por qué la automatización, pese a ser la categoría más prometida del software durante dos décadas, sigue siendo, para la mayoría, una aspiración.
Aquí están.
Barrera 1: No ves lo que está roto
Lo primero que nos sorprendió: cuando preguntamos a las personas qué les resultaba difícil o frustrante de su trabajo, la mayoría nos respondió con quejas vagas, de titular. "Hacer malabares con las prioridades." "La comunicación." "Estoy ocupada." Nada concreto. Nada accionable.
Así que probamos una pregunta distinta: "Si pudieras agitar una varita mágica y arreglar una sola cosa de tu flujo actual, ¿qué sería?"
De repente: dolor vívido. Tareas específicas. Cosas que detestaban. Las mismas personas que se habían encogido de hombros cinco minutos antes tenían ahora tres respuestas cada una.
Una de las personas entrevistadas nos contó:
"Sí, estoy alineada. He tenido un montón de conversaciones. Pero mantener a todo el mundo al día es una parte tan tediosa del trabajo."
Otra, describiendo un proceso trimestral:
"Querría eliminar este seguimiento manual sin duda. Nos quita demasiado tiempo. Se hace casi cada trimestre. Y la semana en que toca hacerlo, en todo el equipo, todo el mundo lo odia."
Una tercera persona entrevistada, describiendo una tarea recurrente:
"A veces recibo una solicitud de la tienda física pidiéndome que cuadre el inventario con el online. La solicitud es… no está estandarizada. A veces dan los IDs de tienda correctos. A veces el ID tiene que ir en mayúsculas pero lo dan en minúsculas. El formato no es correcto. Tengo que calibrar manualmente todos los formatos para asegurarme de que estén bien, meterlo en la máquina y darle al botón."
Ninguna de estas personas había pensado en estas tareas como automatizables hasta que hicimos la pregunta correcta. Llevaban meses o años haciéndolas. Eran simplemente el trabajo.
Esto no es un fallo personal. Así es como funciona la atención. Las tareas repetitivas se desvanecen al fondo. Tu cerebro deja de marcarlas como dignas de atención porque son predecibles. La incomodidad de hacerlas se convierte en "lunes".
No puedes automatizar lo que no puedes nombrar. Y la mayoría no puede nombrar lo que está roto en su trabajo sin ayuda.
Esa es la barrera uno.
Barrera 2: No sabes por dónde empezar
Digamos que sí ves lo que está roto. Sabes exactamente qué tarea te vacía la semana. Incluso tienes acceso a herramientas de IA que probablemente podrían encargarse de ella.
La mayoría se queda igualmente paralizada.
El problema: demasiadas posibilidades, ningún punto de partida concreto. Parálisis por decisión aplicada a la automatización. Cuando puedes automatizar cualquier cosa, a menudo no automatizas nada.
Una persona nos dijo:
"¿Cómo le indicas a la IA que lo haga? ¿Cómo armas el mensaje para que lo haga? Creo que lleva tiempo aprender a ser más específica."
Sabía que la IA era capaz. Solo no sabía cómo apuntarla a su trabajo.
Otra persona entrevistada lo describió más directamente:
"Desde la UI no queda muy claro qué más se puede hacer. Cuando solo escribes un prompt, piensas: 'Ah, tengo que pensar qué necesito.' Pero en realidad no tengo opciones, ¿no? No sé qué más puede hacer. Entonces, ¿hasta dónde puedo imaginar mi problema? En nuestra conversación anterior me di cuenta de que podía pedirle un reporte de standup a mi correo, o quizá crear un issue en Linear. Eso no me quedó claro."
Y añadió:
"Quizá si hubiera un desplegable o prompts de ejemplo o plantillas que pudiera usar, ayudaría. En lugar de tener que pensarlo todo desde cero."
Otra persona quería algo todavía más concreto:
"Hay tantas. El stack tecnológico es enorme ya. Hay tantísimas opciones. Si alguien pudiera decirme qué herramienta debería usar, cuál sería más eficiente para cada tarea que hago. Que de alguna manera mirara mi Linear y me dijera: 'Oye, para esta tarea deberías usar esto en lugar de Claude Code.' Eso sería realmente útil."
Lo que la gente necesita no es más capacidad. Es un punto de partida concreto. Un ejemplo real. Un flujo de trabajo que alguien parecido a ellos haya construido, que funcione de principio a fin, y que puedan copiar y adaptar.
Esto es una de las razones por las que se automatizan en todas partes los mismos cinco flujos: morning briefs, reportes semanales, triage de bandeja de entrada, notas de standup, resúmenes de clientes. No son las mejores automatizaciones. Son las que tienen plantillas públicas y puntos de partida obvios.
Todo lo demás se queda manual. No porque no se pueda automatizar, sino porque nadie ha mostrado cómo se ve "empezar".
Esa es la barrera dos.
Barrera 3: El coste de empezar es mayor que el de no hacerlo
Vale, ya identificaste el trabajo. Tienes un punto de partida concreto. Ahora tienes que configurarlo de verdad.
Aquí es donde la mayoría abandona.
Una persona entrevistada nos contó sobre una herramienta de IA que sus compañeros usaban habitualmente:
"Conozco OpenClaw, pero nunca lo he probado. Sé que mis compañeros lo están usando, pero yo nunca lo he probado."
Cuando preguntamos por qué, dijo que la configuración era demasiado compleja y consumía demasiado tiempo. Ni siquiera lo había intentado. Que sus compañeros lo estuvieran usando con éxito no era suficiente. El coste de activación percibido era tan alto que simplemente… no lo hizo.
Otra persona fue aún más directa sobre dónde se cae la gente:
"Creo que es más bien para usuarios nuevos. Hay mucha gente que ve estas cosas y quiere probarlas. Y cuando van y meten ese npm install, y de repente les sale 'también necesitas instalar Claude' encima, ahí es donde mucha gente directamente lo deja, ni siquiera continúa."
Y bajo ambas frases hay el mismo cálculo racional. Otra persona lo dijo directamente:
"Cuando queremos automatizar el flujo de trabajo, queremos ahorrar tiempo y aumentar la productividad. No queremos invertir tantísimo tiempo en las herramientas que supuestamente deberían mejorar nuestra eficiencia."
Esto no es pereza. Son matemáticas.
El sentido completo de la automatización es ahorrar tiempo. Pero en la mayoría de los flujos, la configuración lleva más tiempo que hacer la tarea a mano. Pasas horas aprendiendo la interfaz, horas conectando triggers, horas probando casos límite, y solo después empiezas a ahorrar tiempo. Para tareas semanales, el tiempo hasta el retorno se mide en meses. Para tareas mensuales o trimestrales, las cuentas literalmente nunca salen.
Así que la gente se lo salta.
La experiencia previa agrava el problema. La gente ya probó herramientas que prometían el oro y el moro y entregaban configuraciones de 40 pasos. Han invertido tiempo aprendiendo interfaces que no rindieron. Así que aunque una herramienta nueva sí funcione, las experiencias previas las hacen dudar.
La mayoría de las herramientas de automatización asumen que dedicarás una hora a aprender antes de obtener algún valor. Para la mayoría, sobre todo los no técnicos, ahí termina la relación.
Esa es la barrera tres.
Barrera 4: Tu organización no te deja
Aquí está la barrera más difícil de resolver, y la que más nos cuenta la gente que trabaja en organizaciones grandes.
Aunque veas lo que está roto, sepas exactamente dónde empezar y estés dispuesto a invertir el tiempo de configuración, tu empresa puede que no te deje hacerlo.
Una persona entrevistada que trabaja en una gran empresa describió cómo se ve esto en la práctica:
"Cada herramienta que usamos tiene que estar aprobada por el cliente o internamente. Una vez aprobada y asignado el presupuesto, vamos y la compramos, persona por persona."
Aprobación. Presupuesto. Licencia por persona. Para cada herramienta nueva. Para cuando termina el proceso, el momento de motivación que te hizo querer probarla quedó meses atrás.
Pero la versión más profunda de este problema no es solo "no consigo que aprueben la herramienta". Es que, aunque puedas usar herramientas de IA en lo personal, no las puedes conectar a los sistemas donde vive tu trabajo de verdad. La misma persona:
"No puedo conectar mi entorno de trabajo con esto. Si lo uso para fines personales, no puedo conectar mi Salesforce. No puedo conectar mi Teams. Porque vive en mi portátil de la oficina."
Tienen acceso a ChatGPT. Tienen tareas que les encantaría automatizar en Salesforce. Ambos mundos no se pueden cablear. La automatización que quieren requiere puentear sus herramientas personales y sus datos de trabajo, y ese puente está prohibido.
No es solo un problema de empresas grandes. Otra persona nos dijo:
"Creo que las empresas grandes tienen ciertas preocupaciones sobre la privacidad. ChatGPT lo podemos usar, claro. Gemini no nos dejan. No sé por qué. No sé por qué. Pero es una decisión de la empresa."
"No sé por qué." Esa frase aparece mucho cuando hablas con la gente sobre las restricciones de herramientas en su organización. Las decisiones parecen arbitrarias desde dentro. Algunas herramientas aprobadas, otras no, sin lógica clara. Te quedas trabajando alrededor de las reglas sin entenderlas.
Para mucha gente, este es el muro real. No "no veo lo que está roto". No "no sé cómo automatizarlo". Sino "no me dejan".
Esta barrera es más difícil que las otras porque no depende de ti. Depende de tu entorno. Y los entornos cambian despacio.
Esa es la barrera cuatro.
Qué significa esto
Estas cuatro barreras están encadenadas. Aunque pases la primera, te topas con la segunda. Pasada la segunda, te topas con la tercera. Y aunque te abras paso a través de las tres, la organización a tu alrededor puede detenerte igualmente.
Juntas forman un muro que la mayoría nunca consigue cruzar, incluso cuando saben exactamente qué quieren arreglar. Por eso la automatización de flujos de trabajo, pese a ser la categoría más prometida del software durante dos décadas, sigue siendo, para la mayoría, una aspiración.
Creemos que el muro se puede romper. No todo, no para todo el mundo, pero más de lo que las herramientas actuales asumen. Pasamos los últimos meses construyendo cosas específicamente para abordar las primeras tres barreras, y pensando mucho en cómo hacer la automatización lo bastante segura para que la cuarta sea cada vez menos restrictiva. Tenemos opiniones sobre lo que funciona. Pero preferimos mostrártelo a contártelo.
Así que esto es lo que estamos haciendo.
El sábado 16 de mayo organizamos un lab presencial gratuito en San Jose. Recorremos juntos cómo detectar lo automatizable en tu propio trabajo, por dónde empezar cuando tienes cien opciones, y cómo configurar tu primer compañero de equipo de IA en menos de 15 minutos. Sin programar.
Cupo: 30 personas. RSVP: https://luma.com/yqpulmgq
El martes 20 de mayo organizamos un evento similar en San Francisco. Detalles y RSVP pronto. Sigue a @vm0_ai para enterarte cuanto antes.
Si no puedes asistir a ninguno de los dos, síguenos igualmente. Vamos a documentar qué construye realmente la gente en el lab. Los flujos, las sorpresas, lo que no funcionó. Lo publicaremos en el siguiente post. Así obtendrás las respuestas prácticas pase lo que pase.
Las cuatro barreras de arriba son reales. Las oímos de casi cada persona con la que hablamos. Las primeras tres son resolubles hoy. La cuarta lleva más tiempo, pero también es resoluble. Vamos a pasar las próximas semanas demostrándolo, en los eventos y en lo que publicamos después.
Las citas están anonimizadas por rol. Muestra de entrevistas: 22 personas de software/IA, sanidad, artes escénicas, manufactura, consultoría, retail, biomecánica y organizaciones sin ánimo de lucro. Aproximadamente 73 % con perfil técnico y 27 % sin él.
