Block plantea reemplazar jerarquías con IA para acelerar decisiones y rediseñar la empresa

Block sostiene que la inteligencia artificial ya no debe limitarse a mejorar la productividad individual. Según una visión compartida desde Sequoia, la firma está intentando reemplazar la función histórica de la jerarquía corporativa con sistemas capaces de coordinar información, detectar necesidades del cliente y acelerar decisiones a escala.
***

• Sequoia presenta a Block como un caso temprano de rediseño organizacional basado en IA, más allá del modelo de copilotos y automatización puntual.
• La tesis recorre 2.000 años de historia, desde las legiones romanas hasta McKinsey, para explicar por qué las jerarquías dominaron a las grandes organizaciones.
• Block propone una empresa organizada como una inteligencia, apoyada en modelos del mundo, datos transaccionales y roles como ICs, DRI y player-coaches.

La firma Block está impulsando una idea ambiciosa sobre el futuro del trabajo corporativo. En vez de usar inteligencia artificial solo como una herramienta para aumentar la productividad de empleados y ejecutivos, la empresa quiere replantear cómo se coordina una organización completa.

La tesis fue expuesta en From Hierarchy to Intelligence, una pieza difundida por Sequoia que toma a Block como ejemplo de una transición más profunda. El argumento central es que la velocidad es uno de los mejores predictores del éxito de una startup, y que la IA podría convertirse en la nueva infraestructura de coordinación interna.

La idea tiene implicaciones amplias para tecnología, finanzas e inteligencia artificial. También toca una cuestión clave para compañías que operan con pagos, datos y servicios digitales: si el flujo de información define la rapidez de una empresa, entonces rediseñar ese flujo puede convertirse en una ventaja competitiva acumulativa.

Para comprender el planteamiento, la fuente retrocede hasta el origen de la jerarquía moderna. Según el texto, dos mil años antes del primer organigrama corporativo, el Ejército romano ya había resuelto el problema esencial de las grandes organizaciones: cómo coordinar miles de personas a distancia con comunicación limitada.

Su respuesta fue una jerarquía anidada con un tramo de control consistente en cada nivel. La unidad más pequeña era el contubernium, compuesto por ocho soldados dirigidos por un decanus. Diez contubernia formaban una centuria de 80 hombres, seis centurias una cohorte y diez cohortes una legión de cerca de 5.000 efectivos.

Esa estructura, resumida como 8 → 80 → 480 → 5.000, funcionaba como un protocolo de enrutamiento de información. Cada comandante agregaba datos desde abajo y transmitía decisiones desde arriba. El punto clave era una limitación humana simple: un líder puede gestionar de forma eficaz entre tres y ocho personas.

La fuente sostiene que esa restricción, hoy conocida como “tramo de control”, sigue dominando la forma en que operan las organizaciones grandes. Incluso la cadena jerárquica moderna del Ejército de EE. UU. conserva un patrón parecido.

Cómo la jerarquía militar pasó a la corporación moderna

El siguiente gran salto organizacional llegó desde Prusia, tras la derrota frente a Napoleón en la Batalla de Jena en 1806. Scharnhorst y Gneisenau reorganizaron el ejército bajo una premisa incómoda: no se puede depender del genio individual en la cima. Se necesita un sistema.

De allí surgió el Estado Mayor General, una clase de oficiales cuyo trabajo no era combatir directamente, sino planificar operaciones, procesar información y coordinar unidades. En términos modernos, se trató de un antecedente directo de la gestión intermedia.

Scharnhorst describía a esos oficiales como apoyo para generales incompetentes, aportando capacidades que podían faltar en los líderes. También se formalizó la distinción entre funciones de línea y de staff, un vocabulario que luego adoptaría el mundo empresarial.

Ese modelo pasó a la empresa a través de los ferrocarriles estadounidenses de las décadas de 1840 y 1850. Ingenieros del Ejército de EE. UU., formados en West Point, fueron cedidos a compañías ferroviarias privadas y llevaron consigo la lógica militar de jerarquías, estructuras divisionales y sistemas burocráticos de reporte.

Según el recuento, Daniel McCallum, de la New York and Erie Railroad, creó a mediados de la década de 1850 el primer organigrama del mundo. Su objetivo era gestionar una red de más de 500 millas con miles de trabajadores, en un contexto donde los estilos informales de administración estaban fallando y las colisiones de trenes causaban muertes.

Luego Frederick Taylor, nacido en 1856 y fallecido en 1915, optimizó lo que ocurría dentro de esa jerarquía. Su gestión científica dividió el trabajo en tareas especializadas, asignadas a expertos y medidas con métricas en lugar de intuición. Así se consolidó la pirámide funcional que caracterizó a la corporación industrial.

Del Proyecto Manhattan a la matriz corporativa

La primera gran prueba de estrés de ese modelo llegó durante la Segunda Guerra Mundial. El Proyecto Manhattan exigió coordinación entre físicos, químicos, ingenieros, metalúrgicos y oficiales militares bajo secreto extremo y presión de tiempo.

Robert Oppenheimer mantuvo divisiones funcionales en Los Álamos, pero empujó una colaboración abierta entre ellas. La fuente destaca que resistió la inclinación militar a compartimentar. Cuando el problema de la implosión se volvió crítico en 1944, reorganizó el laboratorio con equipos multifuncionales, algo inusual para la América corporativa de la época.

Ese experimento funcionó, pero fue una excepción de guerra sostenida por una figura singular. En la posguerra, el desafío pasó a ser cómo convertir esa coordinación transversal en una práctica rutinaria dentro de empresas cada vez más grandes y globales.

En 1959, Gilbert Clee y Alfred di Scipio, de McKinsey, publicaron “Creating a World Enterprise” en Harvard Business Review. El texto ofreció un marco intelectual para la organización matricial, que combinaba especialidades funcionales con unidades divisionales.

Bajo Marvin Bower, McKinsey ayudó a firmas como Shell y GE a implementar esos principios. La meta era equilibrar estándares centrales con agilidad local. De esa forma tomó cuerpo la corporación profesional o moderna que marcó buena parte de la economía global de posguerra.

Más tarde surgieron otros enfoques para lidiar con la complejidad y rigidez del modelo matricial. La fuente menciona el marco 7-S de McKinsey, desarrollado a fines de los años setenta por Tom Peters y Robert Waterman, que separaba las “S duras” de las “S blandas” para subrayar que la estructura, por sí sola, no garantiza efectividad.

En décadas recientes, varias tecnológicas intentaron nuevos diseños. Spotify promovió escuadras multifuncionales con ciclos cortos de sprint. Zappos probó la holacracia. Valve operó con una estructura plana. Sin embargo, el texto afirma que ninguna resolvió el problema de fondo cuando la escala crece a miles de personas.

La apuesta de Block: una empresa organizada como inteligencia

La tesis de Block parte de una pregunta distinta. En lugar de aceptar que las organizaciones deben coordinarse con humanos distribuidos en capas jerárquicas, la compañía quiere reemplazar la función que esas capas han cumplido durante siglos.

Según la fuente, la mayoría de las empresas usa IA como copiloto para mejorar la estructura existente. Block apunta a otra cosa: una empresa construida como una inteligencia, o una mini-AGI, capaz de sostener un modelo actualizado de sus propias operaciones y del comportamiento de sus clientes.

Para que eso funcione, el sistema necesita dos elementos. El primero es un “modelo del mundo” de la empresa, es decir, una comprensión continua de decisiones, discusiones, código, diseños, planes, problemas y progreso. El segundo es una señal del cliente lo bastante rica como para volver útil ese modelo.

Block considera que tiene ventajas en ambas dimensiones. Como compañía remote-first, gran parte del trabajo deja artefactos legibles por máquina. Eso incluye registros de decisiones, colaboración, desarrollo y ejecución. En una empresa tradicional, buena parte de ese contexto circula mediante gerentes.

En cambio, en este esquema, la IA podría construir y mantener ese panorama de forma continua. El sistema identificaría qué se está construyendo, qué está bloqueado, dónde se asignan los recursos y qué funciona o no. En otras palabras, asumiría la tarea de transporte informacional que antes recaía sobre la jerarquía.

La segunda capa es el modelo del mundo del cliente. Aquí entra un punto especialmente relevante para el sector financiero. La fuente afirma que el dinero es la señal más honesta del mundo, porque las personas pueden mentir en encuestas o ignorar anuncios, pero cuando gastan, ahorran, envían, piden prestado o pagan de vuelta, revelan hechos concretos sobre su vida económica.

Block ve ambos lados de millones de transacciones diarias, con compradores a través de Cash App y vendedores mediante Square, además de los datos operativos asociados a los comercios. Eso le daría una comprensión por cliente, por comerciante y por mercado basada en una señal honesta y acumulativa.

Capacidades, inteligencia e interfaces en vez de hojas de ruta fijas

En el modelo descrito, la empresa no se organiza alrededor de hojas de ruta cerradas de producto. En su lugar, se construyen cuatro componentes. El primero son capacidades, como pagos, préstamos, emisión de tarjetas, banca, compra ahora y paga después, y nómina.

Estas capacidades no son productos finales, sino bloques atómicos difíciles de obtener y mantener. Algunas dependen de permisos regulatorios o de efectos de red. Su foco no es una interfaz propia, sino objetivos de fiabilidad, cumplimiento y rendimiento.

El segundo componente es el modelo del mundo, con dos caras. Una es la empresa entendiéndose a sí misma. La otra es la representación por cliente, comerciante y mercado construida con datos transaccionales propietarios, que partiría de datos brutos y evolucionaría hacia modelos causales y predictivos.

El tercer componente es una capa de inteligencia que compone soluciones para clientes concretos en momentos concretos. La fuente ofrece dos ejemplos. Si el flujo de caja de un restaurante se estrecha antes de una caída estacional, el sistema podría combinar un préstamo de corto plazo y un calendario de pagos adecuado antes de que el comerciante pida financiación.

En otro caso, si el patrón de gasto de un usuario de Cash App sugiere una mudanza a otra ciudad, la inteligencia podría ensamblar una nueva configuración de depósito directo, una Cash App Card con categorías adaptadas al nuevo vecindario y una meta de ahorro acorde a sus ingresos.

El cuarto componente son las interfaces, tanto de hardware como de software. Allí entran Square, Cash App, Afterpay, TIDAL, bitkey y proto. La tesis subraya que estas superficies de entrega siguen siendo importantes, pero que el valor principal se genera en el modelo y en la inteligencia.

Si la capa de inteligencia intenta componer una solución y falla porque falta una capacidad, esa falla se convierte en la señal que define la futura hoja de ruta. Así, la realidad del cliente pasaría a generar directamente el backlog, en vez de depender sobre todo de hipótesis previas de gerentes de producto.

Qué harían las personas en una estructura con menos mandos medios

En esa visión, la inteligencia vive en el sistema y las personas operan en el borde. Allí es donde el modelo entra en contacto con la realidad, pero también donde aparecen elementos que la IA todavía no puede captar bien, como intuición, contexto cultural, dinámicas de confianza, dirección con criterio y la sensación de una sala.

La fuente remarca que los humanos seguirían tomando decisiones que el modelo no debe asumir solo, en especial las éticas, las novedosas y las de alto riesgo existencial. Sin ese contacto con el mundo, un modelo sería solo una base de datos.

Block plantea entonces tres roles principales. El primero es el de los contribuidores individuales o ICs, enfocados en construir y operar capacidades, modelos, la capa de inteligencia e interfaces. El contexto que antes daba un gerente sería entregado por el modelo del mundo.

El segundo rol es el de los Directly Responsible Individuals, o DRI, dueños de problemas u oportunidades que cruzan varias áreas. Un DRI podría encargarse, por ejemplo, de la deserción de comerciantes en un segmento específico durante 90 días y reunir recursos de distintos equipos para resolverlo.

El tercer rol es el de los player-coaches, que combinan trabajo técnico con desarrollo de personas. En este diseño, no sustituyen a los mandos medios como transmisores de información, porque esa función sería absorbida por el sistema. Su tarea principal sería cuidar el oficio y hacer crecer al equipo.

Block admite que está en una etapa temprana de esta transición y que partes del proceso pueden romperse antes de funcionar. Pero la empresa cree que todas las compañías terminarán enfrentando la misma pregunta: qué entiende realmente su negocio que sea difícil de entender y que se profundice cada día.

Si la respuesta es nada, la IA sería apenas una historia de reducción de costos y mejora de márgenes por algunos trimestres. Si la respuesta es profunda, entonces la IA no solo aumenta la empresa, sino que revela lo que la empresa realmente es. En el caso de Block, esa respuesta sería el grafo económico formado por millones de comerciantes y consumidores y ambos lados de cada transacción.

La visión, por ahora, sigue siendo una apuesta en construcción. Sin embargo, su relevancia va más allá de una sola empresa. Si la coordinación organizacional pasa de la jerarquía humana a modelos basados en datos y sistemas de inteligencia, el cambio podría alterar la forma en que operan compañías de pagos, software, banca digital y plataformas tecnológicas durante los próximos años.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.

ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín