Ideas clave
Trata la IA, las plataformas y las multitudes en línea como un rediseño empresarial, no como una actualización de dispositivos
Tres cambios a la vez. El libro sostiene que la transformación digital está remodelando tres relaciones: entre las personas y las máquinas, entre los productos y las plataformas, y entre las organizaciones y las multitudes. AlphaGo, que derrotó a jugadores de Go de élite al aprender de ejemplos en vez de depender únicamente de reglas programadas, ilustra el primer cambio. Empresas con pocos activos propios, como Airbnb y Uber, ilustran el segundo. La comunidad en línea de GE ayudó a diseñar y probar una máquina de hielo para el hogar, lo que ilustra el tercero.
La advertencia histórica. La electricidad hizo mucho más que sustituir las máquinas de vapor en las fábricas. Su valor pleno se hizo evidente cuando los fabricantes rediseñaron la producción en torno a motores individuales, cintas transportadoras y nuevos flujos de trabajo. Las empresas que trataron la electricidad como un simple cambio de equipo no advirtieron la transformación más profunda. La analogía advierte que hay que replantearse los procesos y los modelos de negocio, no limitarse a instalar software nuevo.
La unidad de análisis útil aquí no es una tecnología, sino una reorganización posibilitada por la tecnología. Esta distinción vincula el libro con las investigaciones sobre tecnologías de propósito general: las innovaciones suelen generar sus mayores beneficios solo después de que las instituciones, las habilidades y los flujos de trabajo se adaptan a ellas. La analogía con la electricidad permite ver el desfase. Aun así, la analogía histórica sirve de guía, no de pronóstico. Las herramientas digitales se difunden más rápido que la electrificación de las fábricas, pero sus efectos varían según la industria, la regulación y la capacidad organizativa. Las empresas deberían tratar cada reequilibrio como una decisión estratégica que se puede poner a prueba, en vez de dar por sentado que todas necesitan llegar al mismo destino.
Da prioridad a los algoritmos sobre la intuición experta cuando las decisiones puedan contrastarse con los resultados
La intuición no es un baremo. El modelo de Sistema 1 y Sistema 2 del psicólogo Daniel Kahneman distingue entre el pensamiento rápido y automático y el razonamiento más lento y esforzado. Ambos son importantes, pero la intuición puede estar sesgada y no ser consciente de sus propios errores. En 136 estudios que compararon el juicio de expertos con modelos estadísticos, los expertos rindieron peor en el 46 por ciento de los casos, más o menos igual en el 48 por ciento y mejor en apenas el 6 por ciento.
Mide los errores. En los ejemplos analizados aquí, los modelos predijeron la calidad del vino, las decisiones judiciales y los fallos de la Corte Suprema con más precisión que los paneles de expertos. Sin embargo, un modelo solo es útil si existen datos comparables, el objetivo está bien elegido y sus resultados se verifican. El consejo práctico del libro es llevar un registro de las decisiones humanas y algorítmicas a lo largo del tiempo e investigar cada vez que las personas anulen un modelo.
Este es un argumento sólido a favor de la rendición de cuentas mediante registros de predicciones. La calibración —la correspondencia entre la confianza declarada y la precisión real— suele ser más informativa que las credenciales o la seguridad retórica. Pero el desempeño de un modelo depende de las condiciones: un sistema puede predecir con gran precisión un objetivo defectuoso o heredar la discriminación histórica presente en sus datos de entrenamiento. Los propios ejemplos del libro sobre algoritmos publicitarios sesgados concretan ese riesgo. Por lo tanto, la comparación adecuada no es entre intuición y máquina en abstracto, sino entre los procesos que cometen menos errores importantes, para quiénes, en qué condiciones y con qué posibilidad de corregirlos.
Automatiza el reconocimiento de patrones y deja a las personas a cargo del contexto y los vínculos
Aprender supera a las listas de reglas. Los jugadores de Go no podían explicar por completo cómo elegían las jugadas más sólidas; este problema se conoce como la paradoja de Polanyi: a menudo, las personas saben más de lo que pueden expresar con palabras. AlphaGo sorteó ese obstáculo aprendiendo patrones a partir de millones de posiciones y partidas de juego autónomo. Hoy, sistemas similares de aprendizaje automático clasifican imágenes, reconocen el habla y ayudan a diagnosticar. Su progreso se aceleró gracias a los avances en potencia de cálculo, datos y acceso a la nube.
Las fortalezas humanas siguen siendo importantes. Los algoritmos pueden pasar por alto una circunstancia repentina que no figure en sus datos, como una pierna rota que altere la rutina habitual de alguien. Las personas también aportan sentido común, empatía e influencia social. El libro propone combinar el diagnóstico automático con la comunicación y el acompañamiento humanos. También prevé que los robots se hagan cargo de tareas aburridas, sucias, peligrosas o costosas, mientras las personas realizan las que exigen sentidos flexibles y destreza.
Esta división del trabajo se parece a la distinción entre predicción y juicio: las máquinas pueden estimar patrones a gran escala, mientras que las personas pueden interpretar qué significan esas estimaciones en una situación imprevista. El límite no es fijo. El sentido común humano es poderoso, pero desigual, y los sistemas automáticos a veces pueden detectar contextos que una persona no advierte. Por eso, un diseño fiable necesita traspasos de responsabilidad explícitos, no una vaga apelación a la supervisión humana. En situaciones de alto riesgo, la supervisión también requiere autoridad, tiempo e información. Una persona que está presente solo de nombre y no puede intervenir no ejerce un control humano significativo.
Abre tu plataforma a los bienes complementarios y luego selecciona las aportaciones de terceros
Más que un producto. Una plataforma conecta a participantes y les facilita crear o intercambiar aportaciones útiles. Cuando Steve Jobs restringió inicialmente las aplicaciones externas para el iPhone, Apple limitó el atractivo del teléfono a lo que sus propios equipos podían imaginar. La apertura de la App Store incorporó herramientas para música, navegación, juegos y muchas otras necesidades. Estas aplicaciones complementaban el teléfono, aumentaban su utilidad y animaban a más personas a comprarlo.
La apertura necesita filtros. Los desarrolladores externos también crearon riesgos de seguridad y calidad, así que Apple revisaba las aplicaciones antes de distribuirlas. Quienes construyen plataformas pueden obtener variedad, datos de usuarios y nuevas fuentes de ingresos, pero deben equilibrar el acceso con la confianza. Android adoptó un enfoque más abierto que el sistema de Apple y, aun así, se convirtió en una plataforma móvil líder. El éxito depende menos de ser lo más abierto posible que de ajustar la apertura y la selección a las necesidades de los usuarios.
La idea central sobre las plataformas se refiere a los ecosistemas: el valor puede provenir de participantes cuyas necesidades e invenciones la empresa central no es capaz de prever. Esto conecta con el diseño modular, en el que unas interfaces estables permiten que distintos colaboradores innoven sin coordinar cada detalle. La selección no es solo una medida de seguridad; determina lo que descubren los usuarios y qué colaboradores obtienen visibilidad. Por eso, la gobernanza es una fuente de poder. Las plataformas deberían hacer que sus reglas sean claras y que se puedan apelar, ya que una revisión opaca puede proteger la calidad y, al mismo tiempo, excluir a competidores o aportaciones impopulares.
Aplica la intermediación digital a los bienes físicos sin ignorar la capacidad limitada
Los bienes físicos tienen límites. Las plataformas en línea pueden conectar rápidamente a compradores y vendedores, pero las plazas de una clase de yoga o las habitaciones de hotel son finitas y dependen del momento. ClassPass conectaba a sus miembros con estudios que tenían plazas disponibles y empleaba datos para calcular cuáles podían venderse con descuento sin desplazar a los clientes que pagaban el precio completo. Su membresía ilimitada atrajo a usuarios asiduos, pero los costos de la empresa aumentaban con cada clase a la que asistían, mientras que los ingresos por miembro seguían fijos. La oferta se volvió insostenible.
Pon precio a la capacidad ociosa. La gestión de ingresos utiliza datos y algoritmos para vender capacidad perecedera a clientes con distinta disposición a pagar. Postmates, en cambio, probó una tarifa fija de entrega que aumentaba el tamaño de los pedidos y ayudaba a los comerciantes a contribuir a los costos de entrega. Las plataformas del entorno digital al físico (O2O) pueden mejorar el aprovechamiento de la capacidad, pero solo si el diseño tiene en cuenta la economía de los inventarios físicos.
Esta distinción evita un error de categoría frecuente: la distribución digital puede tener costos marginales ínfimos, pero el servicio del mundo real que facilita no. La capacidad es especialmente complicada porque el costo de un usuario adicional puede dispararse cuando se llena una clase, un vehículo o una ruta de reparto. La gestión de ingresos puede mejorar el aprovechamiento, pero también crear precios opacos o trasladar los riesgos a los proveedores. Una plataforma sólida necesita reglas claras sobre la capacidad, la compensación y quién absorbe los cambios bruscos de la demanda, en vez de tratar cada plaza vacante como inventario gratuito.
Si los clientes no perciben diferencias importantes, espera que las plataformas se queden con el margen
Las plataformas comprimen las diferencias. La información digital se puede copiar y distribuir con un costo marginal cercano a cero, mientras que los efectos de red hacen que un servicio resulte más útil a medida que se suman usuarios. Estas fuerzas ayudaron a los servicios en línea a debilitar a los periódicos, las tiendas de música y las compañías telefónicas. En el sector de los teléfonos inteligentes, los dueños de las plataformas captaron una proporción extraordinaria de los beneficios, mientras muchos fabricantes de dispositivos se esforzaban por obtener rentabilidad pese a producir artículos complejos.
La diferenciación da margen de maniobra. Los hoteles siguieron compitiendo con Airbnb porque quienes viajan por negocios, las familias y los turistas suelen querer ubicaciones, servicios y prestaciones diferentes. Airbnb amplió las opciones de alojamiento, pero no hizo que todos los hoteles fueran intercambiables. Una plataforma es más disruptiva cuando los clientes consideran que los proveedores pueden sustituirse entre sí. Las empresas deberían identificar los atributos que los clientes valoran de verdad, en vez de apoyarse en una distinción de marca que desaparece cuando una plataforma facilita la comparación.
La mercantilización no es simplemente una historia tecnológica. Es un cambio en la capacidad del comprador para comparar, cambiar de proveedor y tratar a los proveedores como intercambiables. Por eso, la diferenciación puede proteger el valor, pero solo cuando los clientes la perciben y a los competidores les resulta costoso imitarla. El ejemplo de los hoteles limita acertadamente la afirmación de que las plataformas siempre ganan. En cambio, las empresas pueden confundir la complejidad operativa con el valor para el cliente. La cuestión estratégica no es si una oferta es objetivamente distinta, sino si esa diferencia influye lo suficiente en la elección del comprador como para sobrevivir a una comparación transparente.
Recurre a personas ajenas cuando la experiencia adecuada pueda encontrarse fuera de tu organización
La experiencia se desplaza de maneras extrañas. En un concurso para mejorar la velocidad y la precisión con que se identificaban segmentos genéticos, desarrolladores de software de muchos países superaron a las herramientas de biología establecidas. Muchas propuestas exitosas procedían de personas sin formación profesional en biología computacional. El desafío se había formulado de modo que pudieran resolverlo personas externas y permitía medir objetivamente el desempeño.
Diseña para obtener aportaciones útiles. Linux creció gracias a la participación abierta, el trabajo elegido por cada participante, el código verificable y una licencia clara que regulaba el uso de las aportaciones. En cambio, los requisitos de credenciales y el largo proceso de revisión de Nupedia solo dieron lugar a doce artículos terminados en dieciocho meses. El modelo más abierto de Wikipedia creció rápidamente, a la vez que conservó criterios como el uso de fuentes fiables. Las multitudes no son sabias por naturaleza. Funcionan mejor cuando las tareas están claras, las aportaciones se pueden evaluar y los participantes conocen las reglas.
La ventaja de una multitud no reside solo en su tamaño, sino también en la diversidad de sus enfoques y en su distancia respecto de las suposiciones de la organización. Esto coincide con las investigaciones sobre los vínculos débiles, según las cuales las conexiones menos estrechas pueden exponer a las personas a información que no está disponible en grupos muy unidos. Sin embargo, las multitudes también pueden reproducir sesgos, coordinarse en torno a incentivos perversos o producir trabajo de baja calidad. La lección práctica de diseño consiste en separar el acceso de la aceptación: permitir que muchas personas propongan soluciones y luego recurrir a pruebas transparentes y revisiones responsables para decidir cuáles prosperan.
Descentraliza las contribuciones, pero conserva una autoridad responsable para los casos imprevistos
El código no puede preverlo todo. Bitcoin demostró que una red de participantes independientes podía mantener un registro compartido de transacciones sin un banco central. The DAO, un colectivo de inversión gestionado por software, recaudó 162 millones de dólares y luego perdió cerca de un tercio de sus fondos debido a un fallo en su código. La comunidad revirtió el robo mediante un cambio de software, pero esa intervención dividió a los participantes que creían que debían respetarse las reglas originales.
Las organizaciones cubren las lagunas de los contratos. La economía de los costos de transacción explica por qué persisten las empresas: los acuerdos del mundo real no pueden especificar todas las contingencias futuras. Los propietarios y gerentes conservan autoridad sobre las decisiones que los contratos dejan abiertas. Las herramientas digitales pueden reducir los costos de coordinación entre trabajadores independientes, pero no eliminan la necesidad de decidir quién resuelve las disputas, cambia las reglas o asume la responsabilidad cuando el plan falla.
El episodio de The DAO pone de manifiesto una tensión entre la pureza procedimental y la resiliencia institucional. Una regla que no puede modificarse puede proteger a los participantes del poder arbitrario, pero también puede hacer imposible reparar el sistema cuando la propia regla es defectuosa. Las investigaciones sobre gobernanza distinguen entre compromiso y adaptabilidad: los sistemas duraderos necesitan tanto límites creíbles como procedimientos legítimos para revisarlos. La defensa de las empresas que hace el libro resulta convincente en el caso del trabajo complejo e incierto, aunque las empresas pueden abusar de su autoridad residual. Los sistemas descentralizados y las empresas se enfrentan a la misma pregunta fundamental: ¿quién puede intervenir, con qué pruebas y con qué rendición de cuentas?
Sustituye los pronósticos a largo plazo por experimentos pequeños y evaluados
Las predicciones son frágiles. Philip Tetlock analizó más de 82.000 pronósticos y descubrió que la gente apenas superaba el azar. Un enfoque mejor consiste en poner a prueba las decisiones en pasos pequeños. Priceline mejoró su página de reservas mediante experimentos controlados, entre ellos un cambio de redacción que elevó la conversión en un 2 por ciento. Kohl's probó políticas de tiendas en establecimientos seleccionados antes de decidir si las ampliaba.
Haz que el aprendizaje sea una práctica habitual. En una prueba A/B, se muestra a un grupo de usuarios una versión y a otro grupo una versión distinta, y luego se comparan los resultados con una medida elegida. Las empresas físicas pueden realizar pruebas similares en distintos establecimientos. La disciplina clave es definir el éxito antes de la prueba, hacer un seguimiento de los resultados y resistirse a defender una idea predilecta una vez obtenidas las pruebas. Los experimentos pequeños sustituyen la especulación segura de sí misma por un aprendizaje acumulativo.
La experimentación es valiosa porque cambia la pregunta: en vez de preguntarse quién tiene la mejor historia, se pregunta qué ocurrió en una comparación controlada. Se trata de un cambio cultural importante, no solo de una técnica analítica. Pero las pruebas pueden inducir a error si la métrica representa mal el valor duradero, si los participantes no son representativos o si las mejoras pequeñas no perduran. Las organizaciones deberían combinar las pruebas rápidas con una selección cuidadosa de los resultados y comprobaciones a más largo plazo. Iterar no es necesariamente actuar con inteligencia; se vuelve inteligente cuando las pruebas modifican las decisiones.
Decide qué debería lograr la tecnología, porque ningún futuro digital es inevitable
Las herramientas amplían las posibilidades. El libro concluye rechazando la idea de que la tecnología, por sí sola, determine en qué se convierte la sociedad. Los mismos sistemas pueden concentrar la riqueza o ampliar el acceso, eliminar tareas rutinarias o crear nuevos tipos de trabajo. Una estimación citada en el libro indicaba que, con las tecnologías ya demostradas, podría automatizarse aproximadamente la mitad de las actividades laborales remuneradas, mientras que ejemplos como 99Degrees Custom muestran que la tecnología puede respaldar empleos manufactureros más especializados y personalizados.
El trabajo humano cambia de forma. El libro también señala que crece la demanda de habilidades sociales como la coordinación, la negociación y la persuasión. Por ejemplo, los asesores de salud ayudan a los pacientes a seguir sus planes de tratamiento mediante un acompañamiento personal sostenido. La cuestión práctica no es simplemente qué se puede automatizar, sino cómo combinar las capacidades técnicas, las habilidades humanas y las decisiones organizativas para producir trabajos y servicios que la gente valore.
Este final sitúa la responsabilidad donde corresponde: en las instituciones y las personas que deciden cómo desplegar las tecnologías. Esa postura es más útil que el fatalismo tecnológico o el optimismo sin matices. Las mejoras de productividad no se traducen automáticamente en prosperidad compartida; la distribución depende del poder de negociación, la propiedad, la formación y las políticas públicas. Los ejemplos muestran que un rediseño puede complementar el trabajo humano, pero no garantizan que todas las personas desplazadas encuentren un puesto comparable. Por eso, una estrategia tecnológica seria necesita tanto un plan operativo como una explicación explícita de quién se beneficia, quién asume los costos de la transición y cómo se afrontan esos costos.
Análisis
La contribución más perdurable del libro es una manera de entender la disrupción digital como un rediseño organizativo, en vez de como una sucesión de inventos deslumbrantes. Sus tres tensiones emparejadas vuelven práctico ese argumento: las máquinas cambian qué juicios deberían emitir las personas, las plataformas cambian quién conecta la oferta con la demanda y las multitudes cambian dónde puede encontrarse el conocimiento. Los ejemplos son más sólidos cuando muestran un mecanismo, no solo una empresa célebre. AlphaGo aprende aquello que los expertos no pueden articular; los ecosistemas de aplicaciones generan valor más allá de la inventiva del fabricante del teléfono; y los mercados en línea convierten conocimientos dispersos en señales aprovechables.
El marco también evita dos extremos tentadores. El juicio humano no es sagrado, pues los modelos estadísticos suelen aventajar a las personas en tareas de predicción repetidas. Pero la automatización no sustituye universalmente a las personas, porque el contexto, la confianza social y los acuerdos incompletos siguen siendo difíciles de formalizar. Del mismo modo, las plataformas pueden coordinar mercados enormes mientras empujan a los proveedores a competir con precios de productos indiferenciados, y las multitudes pueden descubrir conocimientos lejanos y, a la vez, generar desorden. En los tres ámbitos, el valor proviene de elegir la división del trabajo adecuada y crear instituciones capaces de aprender y corregir errores.
Una perspectiva crítica útil es la distribución. La eficiencia, la rapidez y el crecimiento no responden a quién es dueño de la plataforma, quién controla los datos ni quién absorbe los costos de la transición. Una empresa puede usar algoritmos para reducir los sesgos y, aun así, optimizar un objetivo limitado; un mercado abierto puede reducir las fricciones y, pese a ello, dejar a los trabajadores con escaso poder de negociación. El libro reconoce que las decisiones técnicas determinan los resultados sociales, pero su énfasis gerencial hace que el poder y las políticas públicas reciban un tratamiento menos sistemático que el diseño operativo.
Por tanto, conviene leer la analogía histórica con la electrificación como una advertencia contra la complacencia, no como una prueba de que todas las empresas establecidas están condenadas a desaparecer. La lección práctica central es tratar las nuevas tecnologías como posibilidades que requieren experimentación, gobernanza y decisiones de valor. El código no predetermina el futuro, ni las buenas intenciones lo garantizan. El futuro se construye mediante decisiones sobre qué automatizar, qué abrir y qué responsabilidades deben seguir en manos humanas.
Resumen de reseñas
Machine, Platform, Crowd recibe críticas en su mayoría positivas por su análisis exhaustivo de las tendencias tecnológicas que están transformando los negocios y la sociedad. Los lectores valoran las ideas del libro sobre la IA, las plataformas digitales y la colaboración colectiva, y lo consideran bien documentado y estimulante. Algunos lo critican por repetir material de obras anteriores de los autores o por incluir información desactualizada. Muchos críticos lo recomiendan como lectura esencial para comprender la economía digital, aunque algunos encuentran unas secciones más interesantes que otras. La estructura del libro, incluidos los resúmenes de capítulos y las preguntas para debatir, suele recibir una buena acogida.
También leyeron
Glosario
paradoja de Polanyi
El conocimiento tácito supera lo que puede explicarseLa dificultad de expresar todo el conocimiento que las personas utilizan para realizar una tarea. Los expertos en Go pueden reconocer jugadas sólidas sin explicar por completo su razonamiento, y las personas suelen desenvolverse en situaciones cotidianas sin articular las reglas en las que se basan. Esto dificulta automatizar tareas mediante instrucciones explícitas, aunque los sistemas que aprenden patrones a partir de ejemplos a veces pueden sortear esta limitación.
Sistema 1
Pensamiento rápido y automáticoEn la explicación de la cognición de Daniel Kahneman que utiliza el libro, el Sistema 1 funciona con rapidez y requiere poco esfuerzo consciente. Sustenta la intuición y el reconocimiento, pero también es vulnerable a los sesgos y puede producir conclusiones que las personas no pueden evaluar de forma fiable. Es posible que las personas recurran a un razonamiento más lento para justificar un juicio intuitivo sin identificar qué lo provocó.
Sistema 2
Razonamiento lento y laboriosoEl modo deliberado de pensamiento asociado con la atención concentrada, el razonamiento consciente y los cálculos complejos. El libro lo utiliza para contrastar el análisis laborioso de las personas con la intuición automática, y para describir algoritmos basados en datos que pueden procesar información de forma consistente. El Sistema 2 no garantiza una buena decisión: los modelos siguen dependiendo de datos sólidos, objetivos adecuados y evaluación.
opinión de la persona mejor pagada (HiPPO)
Opinión de la persona mejor pagadaAcrónimo que designa una toma de decisiones dominada por la opinión de la persona de mayor rango o mejor pagada de un grupo. El término critica a las organizaciones que ceden ante el estatus o la intuición cuando las predicciones o decisiones podrían evaluarse con pruebas. El libro recomienda medir el desempeño para que la autoridad no sustituya a la precisión demostrada.
DANCE
Factores que impulsan el progreso de la robóticaLa regla mnemotécnica del libro para cinco avances que impulsan la robótica: datos, algoritmos, redes, computación en la nube y mejoras del hardware digital. Estas tecnologías se refuerzan mutuamente. Más datos pueden mejorar los sistemas de aprendizaje; las redes más rápidas y los recursos en la nube facilitan la coordinación, y un hardware capaz y más barato hace más accesibles la experimentación y la implementación.
efectos de red
Más usuarios aumentan la utilidadSituación en la que un servicio se vuelve más valioso para sus participantes a medida que se incorporan más personas. Un servicio de mensajería es más útil cuando más contactos lo utilizan; una plataforma de transporte atrae pasajeros cuando cuenta con conductores y atrae conductores cuando cuenta con pasajeros. Estos efectos pueden dar ventaja a las grandes plataformas, especialmente cuando a los usuarios les resulta incómodo unirse a varias redes.
bienes complementarios
Bienes que aumentan la demanda mutuaProductos o servicios cuya demanda está relacionada: bajar el precio de uno puede aumentar la demanda del otro. El libro presenta las aplicaciones del iPhone como bienes complementarios del teléfono. Una amplia oferta de aplicaciones útiles vuelve más atractivo el dispositivo, mientras que los usuarios del teléfono hacen más atractiva la creación de aplicaciones. Las plataformas suelen beneficiarse al permitir que otros ofrezcan bienes complementarios.
del entorno digital al físico (O2O)
Plataformas del entorno digital al físicoPlataforma que utiliza sistemas digitales para organizar transacciones relacionadas con bienes o servicios físicos. Algunos ejemplos son conectar pasajeros con conductores, viajeros con alojamientos o estudiantes con clases de ejercicio. Los servicios del entorno digital al físico incorporan la intermediación digital, los datos y los efectos de red a mercados sujetos a límites del mundo real, como la capacidad finita y el inventario perecedero.
gestión de ingresos
Fijación de precios para capacidad perecederaMétodos que utilizan datos, precios y algoritmos para vender inventario limitado y perecedero a clientes con distinta disposición a pagar. Las aerolíneas fueron pioneras en este enfoque, que también puede ayudar a hoteles y estudios de ejercicio. El objetivo es ocupar la capacidad sin perder ventas de mayor valor, en lugar de dejar vacíos asientos, habitaciones o espacios en las clases.
contratos incompletos
Los acuerdos no pueden prever todas las contingenciasContratos que dejan sin especificar algunas situaciones futuras porque el mundo es complejo, los acontecimientos futuros son inciertos y las personas no pueden anticipar todas las posibilidades. El libro se basa en la economía de los costos de transacción para explicar por qué las empresas siguen siendo útiles: los gerentes y propietarios pueden tomar decisiones cuando los acuerdos no ofrecen una respuesta, aunque esa autoridad también crea riesgos de abuso.
derechos residuales de control
Autoridad sobre decisiones no especificadasLa autoridad para tomar decisiones que conserva el propietario de un activo respecto de usos o contingencias no especificados en los contratos. Como los acuerdos completos son poco realistas, la propiedad determina quién puede actuar cuando cambian las circunstancias y quién tiene poder de negociación ante nuevas oportunidades. El concepto ayuda a explicar por qué las empresas y la propiedad de activos siguen siendo importantes incluso cuando se expanden los mercados digitales.
Preguntas frecuentes
¿De qué trata Machine, Platform, Crowd?
- Enfoque en la transformación digital: El libro explora cómo las tecnologías digitales están transformando las industrias y las economías mediante la convergencia de máquinas, plataformas y multitudes.
- Principios económicos: Los autores, Andrew McAfee y Erik Brynjolfsson, ofrecen un marco para comprender las implicaciones económicas de los avances tecnológicos y destacan que estos cambios siguen principios económicos sólidos.
- Ejemplos del mundo real: Incluye estudios de caso como Uber y Airbnb para mostrar cómo se manifiestan estos conceptos en la realidad y hacer más comprensibles sus aspectos teóricos.
¿Por qué debería leer Machine, Platform, Crowd?
- Anticípese a las tendencias: El libro ayuda a los lectores a comprender la revolución digital en curso y sus implicaciones para las empresas y las personas, y los prepara para adaptarse a los cambios tecnológicos.
- Ideas prácticas: Ofrece ideas y estrategias aplicables para aprovechar las máquinas, las plataformas y las multitudes, lo que contribuye a mejorar la toma de decisiones y la innovación.
- Comprensión integral: Los lectores obtienen un análisis exhaustivo de cómo la tecnología está transformando los modelos de negocio tradicionales, que les permite desenvolverse eficazmente en medio de estos cambios.
¿Cuáles son las principales conclusiones de Machine, Platform, Crowd?
- Tres tendencias transformadoras: El libro identifica el auge de las máquinas (IA y automatización), la aparición de las plataformas (ecosistemas digitales) y el poder de las multitudes (inteligencia colectiva) como factores cruciales para el éxito futuro.
- Reequilibrar las relaciones: Las empresas deben replantearse el equilibrio entre la inteligencia humana y las máquinas, los productos y las plataformas, y las capacidades centrales y las contribuciones de las multitudes.
- Importancia de la adaptabilidad: Las organizaciones deben ser flexibles y estar dispuestas a experimentar para prosperar en un entorno digital complejo y acelerado.
¿Cuáles son las mejores citas de Machine, Platform, Crowd y qué significan?
- «En el caos se encuentra la oportunidad». Esta cita sugiere que la disrupción y la incertidumbre ofrecen oportunidades de innovación y crecimiento, e invita a los lectores a aceptar el cambio.
- «Sabemos más de lo que podemos decir». En alusión a la paradoja de Polanyi, destaca la dificultad de transferir a las máquinas la pericia humana tácita.
- «La economía de lo gratuito, perfecto e instantáneo». Esta expresión describe las características singulares de los bienes y servicios digitales y explica sus ventajas competitivas y su capacidad para transformar las industrias.
¿Cómo interactúan las máquinas, las plataformas y las multitudes en la economía digital, según Machine, Platform, Crowd?
- Dinámicas interconectadas: Las máquinas aumentan la productividad, las plataformas facilitan las transacciones y las multitudes aportan contribuciones diversas; en conjunto, generan un efecto sinérgico que impulsa la innovación.
- Ejemplos de interacción: Plataformas como Uber utilizan el aprendizaje automático para emparejar pasajeros con conductores, mientras interactúan multitudes de conductores y pasajeros y forman un ecosistema dinámico.
- Necesidad de equilibrio: Para aprovechar al máximo su potencial, las organizaciones deben integrar el juicio humano con las capacidades de las máquinas y utilizar eficazmente la inteligencia colectiva.
¿Qué es la paradoja de Polanyi y por qué es importante en Machine, Platform, Crowd?
- Definición: La paradoja de Polanyi se refiere a la idea de que a menudo sabemos hacer cosas, pero no podemos expresar el conocimiento que sustenta esas acciones.
- Implicaciones para la IA: Pone de relieve las limitaciones de los sistemas tradicionales de IA para captar el conocimiento tácito, algo crucial para desarrollar sistemas eficaces de aprendizaje automático.
- Relevancia en el mundo real: Ejemplos como AlphaGo ilustran la importancia de superar esta paradoja para avanzar en las capacidades de la IA.
¿Cómo crean valor las plataformas en la economía digital, según Machine, Platform, Crowd?
- Efectos de red: Las plataformas se benefician de los efectos de red, por los que el valor del servicio aumenta a medida que se incorporan más usuarios, creando un ciclo que se refuerza a sí mismo.
- Bienes complementarios: Las plataformas aprovechan los bienes complementarios, como las aplicaciones para teléfonos inteligentes, para mejorar su oferta y aumentar la demanda.
- Datos e información: Las plataformas exitosas recopilan datos para mejorar la experiencia de los usuarios y optimizar sus operaciones, lo que les permite adaptarse rápidamente a los cambios del mercado.
¿Cómo define Machine, Platform, Crowd la «multitud»?
- Nuevos participantes y prácticas: La multitud representa nuevos participantes y prácticas posibilitados por las tecnologías digitales, que sustituyen los enfoques jerárquicos por otros descentralizados.
- Inteligencia colectiva: Aprovecha la inteligencia colectiva y permite que diversas perspectivas contribuyan a resolver problemas e impulsar la innovación.
- Estructura emergente: La multitud evoluciona mediante las interacciones entre sus integrantes, a diferencia de las organizaciones tradicionales, que son controladas.
¿Qué desafíos plantea la colaboración de las multitudes en Machine, Platform, Crowd?
- Identificar contribuciones de calidad: Distinguir las contribuciones valiosas entre una cantidad ingente de información exige mecanismos eficaces de selección y filtrado.
- Gestionar a quienes actúan de mala fe: El carácter no controlado de la multitud puede dar lugar a conductas perjudiciales, por lo que se necesitan estrategias para mitigar los riesgos y fomentar la participación.
- Dificultades de coordinación: Las multitudes descentralizadas afrontan problemas de coordinación, ya que a menudo no existe una autoridad central que guíe sus acciones.
¿Cómo aborda Machine, Platform, Crowd el futuro del trabajo?
- Impacto de la automatización: La automatización y la IA están transformando el trabajo; pueden desplazar empleos y, al mismo tiempo, crear nuevas oportunidades, lo que exige que los trabajadores se adapten.
- Colaboración con las máquinas: El futuro consiste en aprovechar la tecnología para potenciar las capacidades humanas, no para sustituirlas.
- Evolución de los puestos de trabajo: Los puestos seguirán evolucionando, por lo que será necesario mostrarse flexible y abierto al cambio en el desarrollo profesional.
¿Qué papel desempeñan los datos en la toma de decisiones según Machine, Platform, Crowd?
- Información basada en datos: Utilizar datos para fundamentar los procesos de toma de decisiones da a las organizaciones una ventaja competitiva, al permitirles tomar decisiones informadas.
- Experimentación e iteración: Los datos permiten experimentar e iterar, y fomentan una cultura de mejora continua.
- Conciencia de los sesgos: Comprender los sesgos presentes en la interpretación de los datos ayuda a las organizaciones a tomar mejores decisiones y evitar errores.
¿Cómo pueden las organizaciones adaptarse a los cambios que traen las tecnologías digitales, según Machine, Platform, Crowd?
- Adoptar la experimentación: Fomentar una cultura de experimentación y adaptabilidad para responder rápidamente a los cambios tecnológicos y del mercado.
- Replantear los modelos de negocio: Pasar de estrategias centradas en los productos a estrategias centradas en las plataformas, a la luz de los ecosistemas digitales.
- Invertir en habilidades: Desarrollar habilidades complementarias a las tecnologías digitales, como el análisis de datos y la resolución creativa de problemas, para prosperar en un entorno laboral automatizado.
Descargar PDF
Descargar EPUB
.epub es ideal para leer libros electrónicos en teléfonos, tabletas y lectores electrónicos.