El ex presidente de Tesla: los agentes de IA reemplazan los despliegues de ERP de 12 meses

Cómo un veterano de Tesla está desplegando agentes de IA en la empresa

Jon McNeill fue presidente de Tesla durante su hipercrecimiento de 4 a 40.000 empleados, trabajando directamente junto a Elon Musk en todo, desde la filosofía de contratación hasta las operaciones de ventas. Desde entonces, ha fundado y vendido cinco startups y ahora lidera una empresa que aplica IA agéntica a la optimización de la cadena de suministro — un sector donde las implementaciones tradicionales de ERP tardan entre 9 y 12 meses.

Sobre los agentes de IA sustituyendo a los consultores: La última empresa de McNeill reunió al equipo que construyó la plataforma de cadena de suministro basada en ML de Tesla (hacia 2017) y la reconstruyó con IA agéntica. El resultado es llamativo: “Their agents could go in and understand the work rules of that ginormous platform within hours and then design a system and a workflow within hours.” (Sus agentes podían entrar, comprender las reglas de trabajo de esa gigantesca plataforma en cuestión de horas y luego diseñar un sistema y un flujo de trabajo también en horas.) Recientemente incorporaron a una de las plataformas de entrega de comestibles más grandes del país — un proyecto que normalmente llevaría casi un año con sistemas ERP estándar.

Sobre la cuestión del trabajo de la IA: Los anfitriones presionaron a McNeill sobre si el trabajo de IA que reemplaza al trabajo humano significa que incluso los nuevos negocios no crearán empleos humanos. Su respuesta honesta: “I haven’t heard the case for why we do that is compelling enough.” (No he escuchado un argumento suficientemente convincente de por qué haría eso.) Señala la analogía de la hoja de cálculo: los rascacielos de los años 50 llenos de calculadores humanos fueron reemplazados por hojas de cálculo digitales, pero esos edificios no están vacíos. El software de hojas de cálculo permitió la valoración de derivados, los mercados de opciones, la sindicación de préstamos — billones en capitalización de mercado que nadie predijo.

Sobre el paralelo con el número 1-800: La metáfora más vívida de McNeill para la disrupción de la IA proviene de la historia de las telecomunicaciones. Cuando los conmutadores electrónicos reemplazaron a 800.000 operadoras telefónicas humanas en los años 70, la preocupación era real. Pero las llamadas de larga distancia gratuitas permitieron los números gratuitos, lo que creó toda la industria de los call centers: “A few years into the 1980s, there were now millions of people employed in call centers. Hundreds of software firms that were created.” (A principios de los años 80, había millones de personas empleadas en call centers y cientos de empresas de software que surgieron.) Su primera startup fue una de ellas.

Sobre los modelos de IA como capa de herramientas: En lugar de apostar por qué empresa de IA ganará la carrera de modelos, McNeill ve a los hiperscalers (OpenAI, Google, Anthropic, xAI) como constructores de infraestructura — comparable a los navegadores web en la era de internet. “We’re getting really excited like we did about Netscape and Internet Explorer… but what you really want to be looking at is what businesses are going to get built on top of this tooling.” (Nos estamos entusiasmando como lo hicimos con Netscape e Internet Explorer… pero lo que realmente hay que mirar es qué negocios se van a construir sobre esta capa de herramientas.)

Sobre la selección de talento en Tesla: Aunque no es específico de la IA, la filosofía de contratación de McNeill informa directamente cómo evaluar el talento en la era de la IA. El método de Elon: profundizar mucho en un problema real y determinar si el candidato realmente hizo el trabajo o se atribuyó los logros de su equipo. McNeill lo ha adoptado desde entonces: presentar un problema actual tuyo y evaluar la curiosidad, la profundidad analítica y la capacidad de simplificar la complejidad en minutos.

5 lecciones del ex presidente de Tesla sobre IA y empresa

• Los agentes de IA comprimen los plazos de implementación en órdenes de magnitud - Lo que tardaba 9-12 meses con ERP tradicional ahora lleva días con sistemas agénticos que aprenden los flujos de trabajo del cliente de forma autónoma
• Cada revolución tecnológica crea más PIB y más empleos - McNeill no puede nombrar ni un solo avance tecnológico en la historia que haya resultado en menos empleos en total
• Los efectos de segundo orden son donde reside el valor - El efecto de primer orden (destrucción de empleo) es visible; las oportunidades emprendedoras del otro lado no lo son, pero siempre son mayores
• Los modelos de IA son la capa de herramientas, no el negocio - Al igual que los navegadores permitieron Facebook y Airbnb, los modelos de IA habilitarán los negocios reales que aún no se han imaginado
• Humanos más IA es la fórmula ganadora actual - Expertos en cadena de suministro usando la IA como un “exoesqueleto” — conocimiento de dominio para juzgar lo que los agentes traen de vuelta y redirigirlos cuando es necesario

Qué significa esto para las organizaciones impulsadas por IA

La historia de la cadena de suministro de McNeill es el caso de uso empresarial más claro hasta ahora para la IA agéntica: expertos en dominio con agentes de IA que entregan en días resultados que los sistemas heredados tardan un año en lograr. El patrón — experto + agente > cualquiera por separado — se aplica directamente a cómo las organizaciones deben pensar en la adopción de IA. No sustituyas a tus expertos; dales una infraestructura de agentes que multiplique su producción por 10.