En una sala de reuniones acristalada en la sede de X, los escritorios vacíos se reflejan en las ventanas como fantasmas de la gente que solía sentarse allí. Una docena de ingenieros con sudaderas con capucha y auriculares con cancelación de ruido se agrupan alrededor de una pantalla grande. A la cabecera de la sala no hay un vicepresidente sénior, ni un veterano canoso de la IA, sino un estudiante de 20 años con zapatillas y una camiseta arrugada explicando cómo ajustar (fine-tune) un modelo de lenguaje grande. Elon Musk ha recortado tan a fondo la plantilla que la jerarquía habitual se ha roto. Y, de repente, un chaval está enseñando a quienes se supone que deben reconstruir el futuro.
Cuando el jefe más rico del mundo vacía la oficina
La historia empieza con una serie de recortes brutales. Cuando Elon Musk se hizo con Twitter, ahora X, redujo la plantilla de unas 7.500 personas a aproximadamente 1.500 en cuestión de semanas. Equipos enteros desaparecieron de la noche a la mañana. Algunos empleados se enteraron de que los habían despedido cuando su portátil dejó simplemente de iniciar sesión. Esa sensación de vacío en los pasillos no era solo metafórica; literalmente había menos gente recorriéndolos.
Dentro de ese vacío, la IA pasó al centro. Musk, obsesionado con la «superinteligencia», decidió que X no sería solo una red social. Se convertiría en una plataforma para xAI, su nueva iniciativa de inteligencia artificial destinada a rivalizar con OpenAI y Google. La ambición estaba por las nubes. La mano de obra, no tanto. Así es como acabas con un chaval de 20 años encargado de formar a ingenieros sénior en herramientas que ni siquiera existían cuando se imprimieron sus libros de texto de informática.
Sobre el papel suena demencial. En la realidad, casi tiene sentido. La IA avanza tan rápido que quienes dominan mejor los últimos modelos de código abierto, los trucos de entrenamiento y los «hacks» de GPU suelen ser estudiantes, chavales de hackatones, programadores autodidactas que viven en Discord y GitHub. Los canales tradicionales de contratación no están hechos para eso. Cuando Musk arrancó capas de mandos intermedios y personal veterano, no solo ahorró dinero. Eliminó a los antiguos guardianes. Eso dejó espacio para que entrara un tipo distinto de experto, independientemente de la edad que figure en su DNI.
El de 20 años al mando de la pizarra
Imagina la primera sesión de formación. El estudiante -llamémosle Leo- conecta su portátil, parpadeando mientras el terminal llena la gran pantalla corporativa. Alrededor de la mesa se sientan ingenieros que antes mantenían sistemas de recomendación, backends de publicidad, infraestructuras de seguridad. Son listos, están muy formados, pero no necesariamente son fluidos en los frameworks más recientes de IA ni en la pila tecnológica muy específica que xAI quiere construir. Leo no está allí como becario. Está allí como la persona que realmente sabe cómo funciona esto en 2026, no en 2016.
Les guía por ingeniería de prompts, ajuste fino de modelos, canalizaciones de datos. En un momento abre un cuaderno de Colab, y se nota una microdescarga recorrer la sala: así no suele funcionar el «Big Tech». Un ingeniero pregunta por los costes de inferencia por usuario; otro por la latencia en dispositivos de gama baja. Leo responde con una mezcla de jerga y una honestidad ligeramente incómoda: algunas cosas las saben, otras todavía las están resolviendo sobre la marcha. Es un caos. También es extrañamente eficaz.
Esto no ocurre en el vacío. En todo Silicon Valley, los despidos masivos han chocado con una carrera frenética por construir productos de IA. Meta, Google, Amazon… todos han recortado miles y luego han volcado miles de millones en IA. En esa carrera, la definición de «experto» ha cambiado. De repente, importa más quien ha ajustado 20 modelos de código abierto en su dormitorio que quien escribió un doctorado sobre redes neuronales en 2012. Elon Musk, con su talento para las apuestas extremas, llevó esa dinámica a una conclusión absurda: despedir a tanta gente que los únicos que quedan son los suficientemente adaptables como para aprender de alguien con la mitad de su edad.
Lo que este caos realmente enseña sobre el trabajo en IA
Hay un método escondido dentro de este desbarajuste. El primero es brutalmente simple: las habilidades en IA caducan rápido. Un currículum lleno de títulos impresionantes no sirve si no sabes depurar un modelo transformer bajo presión de GPU. Para los ingenieros de X, lo más inteligente no fue resistirse a la idea de aprender de alguien de 20 años. Fue tratarlo como una interfaz viva hacia la última ola de herramientas, aportando a la vez su propia experiencia en escalado de sistemas, seguridad y fiabilidad.
Un gesto muy práctico cambió el ambiente en ese equipo: trabajar por parejas. Los ingenieros sénior se agruparon con perfiles más jóvenes, nativos de IA, incluido Leo. Cada pareja tenía una misión pequeña y clara: entregar una funcionalidad de IA que funcionara desde cero. No un producto perfecto, solo algo real. Esa estructura convirtió al estudiante de «el chaval que nos enseña» en un colaborador. El conocimiento empezó a fluir en ambas direcciones. Los veteranos mostraron cómo construir servicios que sobrevivan a picos de tráfico reales. El estudiante enseñó cómo evitar quemar presupuestos de GPU como si no hubiera mañana.
Seamos honestos: nadie reprograma toda una cultura de ingeniería en una semana. La gente tenía miedo, estaba molesta, a veces humillada. Algunos se marcharon. Otros se quedaron y usaron el caos como excusa para reinventarse. Lo que mejor funcionó fueron rituales pequeños y repetibles: revisiones diarias y breves de código centradas en componentes de IA, sesiones de «enseña tu peor bug», experimentos opcionales a altas horas donde la jerarquía se quedaba en la puerta. Desde fuera parecía amateur. Dentro, redefinía silenciosamente quién podía hablar, quién podía liderar, quién podía decidir qué significa «experiencia» en un mundo gobernado por modelos que se mueven a toda velocidad.
Cómo sobrevivir cuando los críos de repente enseñan a los adultos
No hace falta trabajar para Elon Musk para sentir que el suelo se mueve bajo los pies. El mismo patrón se está viendo en equipos de marketing aprendiendo a usar herramientas tipo GPT, estudios de diseño adaptándose a generadores de imágenes, pequeñas empresas SaaS pegando APIs de OpenAI, Anthropic o xAI. El método básico de supervivencia es similar: elige un problema real y acotado y deja que la persona más «nativa» en IA de la sala lidere, sin importar su cargo. Puede ser el becario, un freelance o el analista silencioso de la esquina.
A partir de ahí, construye un bucle pequeño. Una persona explora y prototipa con IA; otra pone a prueba la realidad: fiabilidad, ética, coste, impacto en el cliente. Rotad esos roles. El resultado no son solo mejores herramientas; es una cultura donde ser mayor significa hacer preguntas más afiladas, no tener automáticamente las respuestas correctas. Esa es la habilidad oculta que Leo llevó a esa sala de reuniones de X: no la juventud en sí, sino la comodidad de no saber todavía. Eso es contagioso, si lo permites.
Hay trampas por todas partes en una transición así. Un error clásico es fingir que no te da miedo quedarte «desfasado» cuando todo el mundo ve que sí. Otro es romantizar al genio de 20 años y volcar sobre él expectativas imposibles. Normalmente aún están definiendo sus propios límites, su propia ética, su umbral de agotamiento. Una postura más sana es nombrar lo que está pasando: «Todos hemos vivido ya ese momento en el que alguien diez años más joven nos enseña algo esencial, y escuece un poco». Una vez lo dices en voz alta, la tensión se suaviza.
Los profesionales con más años también necesitan espacio para aportar lo que la IA todavía no puede falsificar: contexto, visión a largo plazo, reconocimiento de patrones ganado con años reales en el oficio. Los talentos jóvenes y nativos de IA necesitan aprender que trabajar en producción no es solo hacer que el modelo funcione en tu portátil. Es lidiar con usuarios enfadados a las 3 de la mañana, reguladores, consejos de administración y presupuestos que no se rellenan mágicamente. Cuando ambos lados lo ven con claridad, que un chaval de 20 años lidere una sesión de formación deja de parecer una humillación y empieza a parecer un uso eficiente de fortalezas.
«La IA no mata carreras», me dijo después uno de los ingenieros de X. «Lo que mata carreras es fingir que no necesitas aprender de gente a la que antes ignorabas».
Dentro de esa oficina extraña, surgieron pequeñas normas prácticas que cualquiera puede copiar:
- Un cuaderno compartido de IA para todo el equipo, donde se registre cada prompt, script o fallo en lenguaje llano.
- Reuniones semanales de «intercambio de roles» en las que los júniors presentan y los sénior solo hacen preguntas, sin monólogos.
- Límites claros de carga de trabajo para que el joven experto no esté, en secreto, haciendo el trabajo de tres personas.
Suena casi demasiado simple. Aun así, es el tipo de infraestructura de baja tecnología que permite que un estudiante de 20 años forme a una sala de ingenieros agotados sin romperlos -ni romperse-.
Lo que el experimento de Elon dice sobre el resto de nosotros
La imagen de Musk despidiendo a miles y luego apoyándose en un chaval de 20 años para formar a su equipo de IA es carnaza fácil para el clic. Encaja con la narrativa del «genio loco», el caos tecno-bro, los chistes distópicos. Pero también obliga a una pregunta incómoda para cualquiera con una carrera, una empresa o incluso solo un perfil de LinkedIn: ¿cuánta de eso que llamas «experiencia» es realmente relevante en un mundo donde las herramientas se reinventan cada seis meses?
Hay otro ángulo, más silencioso y humano. En algún punto entre esos despidos masivos y esa sesión de formación nocturna hay personas reales que no pidieron convertirse en símbolos de la disrupción. Un estudiante que creyó apuntarse a unas prácticas interesantes y se despertó en medio de un terremoto corporativo. Ingenieros que pasaron una década construyendo algo y luego tuvieron que aprender a tomar notas de alguien más joven que su camiseta favorita. Ninguno escribió los titulares, pero serán ellos quienes recuerden cómo se sintió de verdad.
La próxima vez que una gran empresa anuncie una «reestructuración por IA», es probable que alguna versión de esta historia se repita. Un equipo quedará reducido a los huesos. Entrarán un puñado de perfiles nativos de IA. Y alguien demasiado joven para el organigrama acabará en la pizarra, explicándole el futuro a quienes construyeron el pasado. Que eso se convierta en un desastre a cámara lenta o en un reinicio extrañamente productivo no dependerá de Elon Musk ni de ningún otro multimillonario. Dependerá de lo honestos que estemos dispuestos a ser al mirar de quién aprendemos y qué estamos todavía dispuestos a aprender.
| Punto clave | Detalle | Interés para el lector |
|---|---|---|
| Reinventarse a la fuerza | Los despidos masivos crearon un vacío en el que perfiles de IA muy jóvenes tomaron las riendas. | Entender cómo las crisis internas pueden acelerar o romper una transición hacia la IA. |
| Nueva definición de la experiencia | La legitimidad se basa en la práctica actual con modelos, no solo en los años de trayectoria. | Ubicarse: dónde está realmente tu valor en un panorama dominado por la IA. |
| Rituales de equipo concretos | Parejas júnior/sénior, cuadernos compartidos, rol de «líder de IA» independiente de la edad. | Ideas inmediatas para adaptar a tu equipo o tu carrera y seguir en la carrera. |
Preguntas frecuentes (FAQ)
- ¿De verdad Elon Musk se apoyó en alguien de 20 años para formar a ingenieros de IA en X?
Informes desde dentro de X describen a especialistas de IA muy jóvenes, algunos aún estudiantes, liderando sesiones de formación para ingenieros más sénior tras los despidos. Las edades exactas no siempre se confirman, pero la dinámica -joven en edad, sénior en habilidad de IA- es real.- ¿Por qué una gran tecnológica permitiría que alguien tan joven lidere formación técnica?
Porque en campos que avanzan tan rápido como la IA, el conocimiento más actualizado suele estar en quienes experimentan constantemente, no necesariamente en quienes tienen los títulos más altos. Las empresas bajo presión tienden a priorizar «quién puede entregar ya» por encima de la jerarquía clásica.- ¿Significa esto que los ingenieros mayores se están volviendo obsoletos?
No. Los sistemas a gran escala, la fiabilidad, la seguridad y el criterio de producto siguen dependiendo mucho de la experiencia. Los ingenieros más resilientes son quienes combinan esa experiencia con la disposición a aprender de compañeros más jóvenes y nativos de IA.- ¿Qué puedo hacer si siento que me he quedado atrás con las herramientas de IA en el trabajo?
Elige una tarea real de tu puesto y experimenta con una sola herramienta de IA durante dos semanas. Documenta qué funciona y qué se rompe. Luego compártelo con tu equipo. Los experimentos pequeños y honestos ganan a los planes vagos de «algún día debería aprender IA».- ¿Es sostenible para las empresas depender de expertos de IA muy jóvenes?
Solo si se equilibra. Los especialistas jóvenes aportan habilidades punteras; las empresas aún necesitan estructura, mentoría y límites claros para que no se quemen ni acaben soportando a solas toda la presión de la transformación.
Comentarios
Aún no hay comentarios. ¡Sé el primero!
Dejar un comentario