El impacto de la IA en las startups ya no consiste solo en hacer que los ingenieros escriban código más rápido, automatizar los procesos de atención al cliente, o agregar un Copilot a un producto existente. La socia de YC, Diana, señaló recientemente que el cambio real radica en que la IA está reescribiendo “cómo debería construirse una empresa desde cero”. Para los fundadores en etapa inicial, la IA no debería ser únicamente una herramienta de eficiencia que se usa ocasionalmente; desde el primer día, debe diseñarse como el sistema operativo de toda la empresa.
La perspectiva de la productividad ya quedó obsoleta; la IA está reescribiendo el punto de partida del diseño de la empresa
Diana cree que, cuando el mercado habla de IA hoy, todavía se queda con demasiada frecuencia en el marco de “mejorar la productividad”, por ejemplo: que los ingenieros pueden programar más rápido, que los equipos pueden automatizar más procesos, o que la empresa puede lanzar más funciones. Pero esta forma de decirlo en realidad subestima el cambio estructural que trae la IA. Ella señala que, con las personas adecuadas y herramientas de IA, ahora se pueden crear funcionalidades que antes requerían a todo un equipo, e incluso desarrollar productos que antes eran imposibles.
Por lo tanto, la pregunta que los fundadores realmente deben hacerse no es “qué procesos de la empresa se pueden añadir con IA”, sino “si hoy se empezara una empresa desde cero, qué trabajos originalmente no deberían pasar por una cadena de procesamiento humano capa por capa”.
Este es también el núcleo de la llamada empresa AI-native. Diana afirma que la IA no debe colocarse fuera de los procesos de la empresa, como un complemento que mejora la eficiencia de ciertos departamentos; por el contrario, cada flujo de trabajo, cada decisión y cada acción importante de la empresa debe pasar por una capa de sistemas inteligentes que aprenden y mejoran de forma continua.
Dicho de otra forma, las startups del futuro no serán: primero construir organigrama, departamentos, procesos de reuniones e instituciones de gestión, y al final introducir IA; en cambio, desde el primer día de su creación, diseñarán la empresa como un sistema que la IA pueda entender, consultar, analizar y mejorar por sí misma.
Primer paso: convertir toda la empresa en un centro inteligente que pueda ser consultado por IA
Bajo este marco, el primer paso para crear una empresa es hacer que toda la organización sea “consultable”. En las empresas tradicionales, la información suele estar dispersa en reuniones, mensajes privados, correos electrónicos, documentos, CRM, GitHub, sistemas de atención al cliente y la cabeza de los directivos.
Esto hace que la empresa se convierta en un sistema de circuito abierto: el fundador toma decisiones y el equipo ejecuta tareas, pero si los resultados son efectivos, en dónde está el problema y cómo ajustar el siguiente paso, a menudo depende del reporte humano y de la interpretación del directivo. Diana considera que este tipo de modelo causa inevitablemente pérdida de información y también ralentiza la velocidad de la empresa.
Las empresas AI-native, en cambio, deben transformarse en sistemas de circuito cerrado. Cada reunión, cada ticket, cada retroalimentación de cliente, cada decisión de producto, cada llamada de ventas y cada ronda de entrega de ingeniería deben generar registros que la IA pueda leer y retroalimentar la capa inteligente de la empresa.
Diana recomienda que las startups registren reuniones importantes, usen herramientas de notas con IA, reduzcan la información que queda escondida en DM y en emails, y además inserten Agent en Slack, Linear, GitHub, Notion, Google Docs, herramientas de atención al cliente, llamadas de ventas y datos operativos. Lo que la empresa realmente debe construir no es una colección de herramientas dispersas, sino un centro inteligente que pueda responder en tiempo real a “qué está pasando realmente ahora mismo en la empresa”.
Ejemplo desde la gestión de ingeniería: cortar el tiempo de Sprint a la mitad, con una producción cercana a 10 veces
Ella usa la gestión de ingeniería como ejemplo para explicarlo: si un Agent puede leer tickets de Linear, canales de ingeniería en Slack, GitHub, correos de clientes, herramientas de atención al cliente como Pylon, planes de alto nivel en Notion o Google Doc, llamadas de ventas y registros de reuniones diarias, entonces no solo ayuda a recopilar resúmenes de reuniones, sino que puede analizar qué se entregó en el Sprint anterior, si el resultado realmente satisfizo las necesidades del cliente, y qué funciones, aunque quedaron hechas, no generaron el efecto esperado.
Cuando toda esa información puede conectarse mediante IA, el Agent puede proponer, además, el plan del siguiente Sprint, haciendo que la planificación de ingeniería sea más precisa, más predecible y más alineada con las necesidades del mercado. Esto implica que, cuando una startup se construye desde cero, no debería primero copiar los sistemas de gestión de ingeniería de las grandes empresas. En el pasado, los jefes de ingeniería tenían que invertir muchísimo tiempo en recopilar el estado, ordenar el progreso y reportar hacia arriba, porque la información interna de la empresa no era transparente y se necesitaba que los humanos transportaran e interpretaran todo de forma constante.
Pero si desde el principio la empresa diseña todos los procesos clave para que se puedan consultar, muchas tareas tradicionales de gestión intermedia perderían su necesidad. Diana señala que ella ya ha visto enfoques similares en varias compañías de YC: algunos equipos, gracias a ello, redujeron a la mitad el tiempo de los Sprints de ingeniería y lograron en el mismo tiempo una producción cercana a 10 veces.
Segundo paso: redefinir con una “fábrica de software” de IA quién escribe código
El segundo paso es reconstruir el proceso de desarrollo de productos con una fábrica de software de IA. Diana cree que una empresa AI-native no debería usar la IA solo como un asistente de código junto al ingeniero, sino redefinir “quién es responsable de escribir código”.
En el nuevo modelo de desarrollo de productos, los humanos se encargan principalmente de escribir especificaciones y pruebas, definiendo los criterios de éxito; el Agent de IA se encarga de generar la implementación, escribir el código, realizar pruebas repetidas y corregir hasta que el resultado cumpla con la especificación. El rol humano pasa a ser definir el problema, juzgar el resultado y calibrar la dirección, en lugar de completar personalmente cada línea de código.
Este modelo puede entenderse como la siguiente etapa del desarrollo impulsado por pruebas. En el pasado, TDD era: los humanos primero escribían pruebas y luego los humanos escribían código para que pasara las pruebas; la fábrica de software de IA es: los humanos escriben especificaciones y el marco de pruebas, para que el Agent genere el código por sí mismo e itere.
Diana menciona que algunas empresas ya han llevado este enfoque al extremo: en el repositorio de código casi no hay código escrito manualmente, sino que la implementación la completa la IA impulsada por especificaciones, pruebas y validación de escenarios. Esta es también la verdadera implicación de lo que se llama “1000 veces ingeniero”: no es que un ingeniero de repente se vuelva mil veces más esforzado que los demás, sino que detrás de un ingeniero hay todo un sistema de Agents que le permite completar trabajos que antes solo podía hacer todo un equipo.
Tercer paso: rediseñar al primer grupo de empleados, dejando solo tres tipos de personas
Por lo tanto, si se va a crear una empresa desde cero con IA, el fundador debe replantear la definición del primer grupo de empleados. Diana cita el punto de vista del fundador de Block, Jack Dorsey: si la empresa solo agrega herramientas de IA al organigrama existente, pero conserva los niveles de gestión y las rutas de flujo de información de antes, se perdería la transformación real.
En el futuro, una empresa no debería construir una gran cantidad de “intermediarios humanos” para que la información pase capa por capa entre directivos, coordinadores y gerentes de proyecto; en cambio, la empresa debe diseñarse como una capa inteligente, donde la IA asuma la integración y el flujo de información, y los humanos estén en el margen para juzgar, crear, decidir y hacerse responsable de los resultados. En una empresa así, los roles de los empleados se vuelven menos y más claros.
El primero es el contributor individual, es decir, builder-operator: no solo los ingenieros deben poder construir, sino que operaciones, atención al cliente y ventas también deberían poder usar IA para crear prototipos, flujos o sistemas de automatización.
El segundo es el DRI, es decir, el responsable directo: esto no es el gerente tradicional, sino una persona que responde por un resultado claramente definido; una persona corresponde a un resultado, y no puede esconderse detrás de un proceso o de un departamento.
El tercero es el tipo AI founder, es decir, el propio fundador debe ponerse personalmente en primera línea usando IA, demostrando qué significa que la capacidad se amplifica, en lugar de delegar la estrategia de IA a algún “responsable de IA” para que se encargue de ello.
Maximizar no es la cantidad de empleados, sino el uso de tokens
Esto también lleva a un punto más contraintuitivo de la empresa AI-native: en el futuro, lo que el fundador debe maximizar quizá no sea el número de empleados, sino el uso de tokens. Diana cree que las startups deberían estar dispuestas a asumir facturas de API tan altas que resulten incómodas, porque estos gastos sustituyen los costos laborales antes más caros y abultados. Una persona experta en usar herramientas de IA podría completar el trabajo de todo un equipo de ingeniería, diseño u operaciones de la era anterior a la IA.
Por lo tanto, al construir una empresa desde cero, el fundador no debería ver el “aumento rápido de personal” como un símbolo de crecimiento, sino preguntarse: ¿qué trabajos se pueden manejar mediante Agent, ciclos cerrados de procesos y fábricas de software, en lugar de contratar a otra persona?
Esto es especialmente crucial para las startups en etapa inicial, porque las empresas pequeñas no tienen lastres históricos. Las grandes empresas, para transitar a ser AI-native, deben mantener sus productos existentes mientras desmontan durante años los SOP acumulados, los sistemas de gestión, la política interna y la pila tecnológica antigua; cada ajuste de proceso puede destruir un sistema que antes aún funcionaba.
Las startups iniciales, en cambio, no tienen esas limitaciones: desde el primer día pueden diseñar reuniones, ingeniería, atención al cliente, ventas, contratación, operaciones y desarrollo de producto, todo como una estructura legible, consultable y retroalimentable por IA. Diana cree que esa es la gran ventaja relativa de las startups frente a las grandes empresas.
El umbral de crear negocios en el futuro será poder reinventar la empresa con IA
Por lo tanto, la respuesta a “cómo construir una empresa desde cero usando IA” no es meter ChatGPT, Claude, Cursor, Devin o una variedad de herramientas de Agent dentro de los procesos existentes, sino rediseñar la propia empresa al revés.
El fundador debería primero construir una organización consultable, convirtiendo toda la información importante en un contexto que la IA pueda leer; luego crear procesos de circuito cerrado para que la toma de decisiones, la ejecución y los resultados se retroalimenten continuamente; después, usar el desarrollo guiado por especificaciones y pruebas para que el Agent se encargue de gran parte de la implementación; y finalmente, formar un equipo con menos pero más fuertes builder-operator, DRI y AI founder type.
La visión de Diana apunta a una conclusión más radical: una startup en la era de la IA no será solo “la misma empresa, pero más eficiente”. Una empresa verdaderamente AI-native será diferente desde el punto de vista organizacional, los procesos, el desarrollo de productos, la asignación de roles y la estructura de costos.
No es que use IA para hacer que la empresa funcione más rápido; es que, desde el principio, diseña la empresa como un sistema inteligente que aprende, retroalimenta y se mejora a sí mismo. Para los fundadores, este podría ser el umbral de emprendimiento más importante de los próximos años: no es si se puede usar IA, sino si se puede usar IA para reinventar la empresa misma.
Este artículo, compartido por un socio de YC sobre cómo construir una empresa desde cero usando IA, dice que la startup debería considerar la IA como un sistema operativo y no como una herramienta. La aparición más temprana fue en 鏈新聞 ABMedia.
