La afirmación de que la IA puede automatizar el ~50% de las tareas de cuello blanco es demasiado alta, pero incluso si fuera correcta, la conclusión es errónea. Aquí está por qué la economía es necesaria para la conversación sobre la IA. Un trabajo es un conjunto de tareas. Automatizar algunas tareas hace que las tareas no automatizables sean *más* valiosas. Esto puede hacer que los ingresos laborales aumenten en lugar de disminuir. Todo esto está perfectamente desarrollado en este excelente artículo de @joshgans y @avicgoldfarb.

Actualmente, el código de vibración tiene el mismo problema que los coches autónomos. El conductor que se supone que debe vigilar la situación se queda dormido al volante. Mientras escribo código a la antigua, estoy constantemente mirando el código y evaluándolo todo, buscando errores, formas de simplificar, planificando la siguiente tarea. Programar es algo relajante que hago mientras pienso. Me acerca más al código. Como he escrito cada línea de código y las he editado muchas veces, el código está en mi cabeza. Puedo seguir programando en mi cabeza cuando salgo a dar un paseo. Si no hubiera escrito el código, habría sido muy difícil hacerlo. Leer código que alguien (algo) ha escrito es increíblemente aburrido y difícil de entender.  Cuando estoy aprendiendo una nueva base de código, a menudo hago ediciones temporales solo para ver cómo funciona. Programar sin editar código es antinatural. Mi mejor trabajo es cuando conozco cada línea íntimamente y puedo detectar los raros bugs de casos límite antes de que ocurran. A menudo me vienen cosas cuando ni siquiera estoy en mi escritorio, en la ducha, comiendo o dando un paseo. Mi subconsciente de repente dice "te olvidaste de... Caso de que eso pueda causar un error" y normalmente es cierto. La IA puede hacer el pensamiento fácil, pero aún no puede hacer el pensamiento difícil, así que necesitas conocer el código.

Realmente estamos alcanzando la velocidad de escape de la singularidad Las señales están por todas partes: →Claude escribe internamente el 90% del código de producción. Una ingeniera de Google dijo que lo que a su equipo le llevó un año, Claude Code lo reprodujo en una hora →biología se volvió programable. Ginkgo recaudó 47 millones de dólares para laboratorios autónomos de robots. Los científicos ordenan experimentos pidiendo (la IA ejecuta) →IA cruzó el umbral de razonamiento. Matemáticas a nivel doctorado, resolución de problemas novedosos. Capacidades que pensábamos que estaban a años de distancia se enviaron en 18 meses → agentes autónomos están desplegados ahora. El MCP de Anthropic es un estándar de infraestructura. Los flujos de trabajo de varios pasos se ejecutan de forma autónoma en logística, finanzas y operaciones →Vera Rubin de NVIDIA hace que Inference sea 10 veces más barato para acelerar todo De hecho, cruzamos el punto en el que la ejecución humana dejó de ser el cuello de botella La limitación se ha desplazado hacia la toma de decisiones, la visión, la estrategia, etc Singularidad/ACC.