I. El Caso de Estudio que Volvió de los Muertos

Read more

I. El Post que Me Llegó

Hace dos días alguien me mandó un post de Sam Schubert. Schubert es analista de Blockworks, no un random de Twitter con un avatar de mono, y las dos primeras palabras de su post fueron las que me pararon en seco: Narrative violation.

Me pararon en seco porque acababa de escribir un artículo entero alrededor de esa frase exacta. En ¿Cuál de Mis 6 Convicciones Hará 10x Primero? construí toda la tesis sobre un slide de Coatue que se llamaba, palabra por palabra, Narrative Violation: You’re more likely to 10x at scale. La violación de la narrativa de Coatue era sobre el tamaño: que el gigante, contra todo instinto, hace 10x más seguido que la pluma. Esa fue mi pelea con mi propia intuición.

El post de Schubert era sobre otra cosa. Decía que los tokenized assets acababan de pasar a los memes en spot volume de Solana. El 23 de junio, según su lectura de la data de Blockworks, los activos tokenizados fueron 17% del volumen spot de Solana contra 12% de los memes. Por primera vez. El activo serio le ganó al casino, en la cadena que el mundo entero etiquetó como la cadena del casino.

Y ahí me senté a pensar, porque esto no es un dato suelto. Esto es mi tesis volviéndose verdad delante de mí, en tiempo real, con un cronómetro que yo no controlo. Hace exactamente un año —el 20 de julio de 2025— publiqué Solana: El Destino Inevitable de los $700 Trillones en Mercados de Capital de Internet. Escribí que el capital es como el agua, que siempre encuentra el camino de menor resistencia, y que ese camino se llamaba Solana. Era una tesis. Una apuesta. Una hipótesis con números pero sin confirmación.

El post de Schubert es la confirmación empezando a llegar. Déjenme contarles cómo llegamos hasta acá, porque el camino importa más que el destino.

II. Formamos la Tesis, Vivimos la Mememanía

Todo ciclo de cripto tiene la misma forma, y si no la reconocen es porque están adentro de ella. Primero alguien formula una tesis. Después el mercado la malinterpreta de la forma más ruidosa posible. Y al final, mucho después de que la mayoría se aburrió y se fue, la tesis se consolida en silencio.

La tesis de Solana siempre fue una sola: una capa de liquidación lo suficientemente rápida y barata como para que todo valor intercambiable del planeta termine viviendo encima. NASDAQ on-chain, lo llamó Anatoly. Internet capital markets, lo llama ahora. No cambió la idea; cambió el nombre y, sobre todo, cambió la evidencia.

Pero entre la tesis y la evidencia pasó la mememanía. Y fue ruidosa. BONK, WIF, y después la fábrica de casino que fue Pump.fun, donde cualquiera lanzaba un token con la cara de su perro en cuarenta segundos. La narrativa que se le pegó a Solana fue esa: la cadena de los memes, la cadena de los degens, la cadena donde no pasa nada serio.

Yo ya les había advertido que esa lectura estaba equivocada. En la tesis original escribí que los memes no eran un bug sino el stress test más exigente que existe: cientos de miles de personas apeando a la vez, bots ejecutando miles de transacciones por segundo, liquidez fragmentándose y reconsolidándose en tiempo real. Si tu infraestructura aguanta la locura del meme coin, aguanta cualquier cosa. Los memes fueron el Black Friday permanente que le enseñó a la red a no caerse.

Pero el stress test era un medio, no el fin. El fin siempre fue otro. Y la prueba de que el fin está llegando es que el casino ya no es la actividad principal. El 23 de junio, los activos serios le ganaron al casino. La mememanía no fue el destino de Solana. Fue su gimnasio.

III. La Tesis Empieza a Cobrar

Ahora junten los cables, porque el dato de Schubert es la punta de algo mucho más grande que un cruce de 17% contra 12% en un día.

En mayo de 2026, Solana capturó el 97.3% de todo el volumen spot global de acciones tokenizadas. Léanlo otra vez. No el 97% de Solana: el 97% del mundo. La red registró $868.9 millones de dólares en volumen contra apenas $23.6 millones repartidos entre todas las demás cadenas combinadas. Ethereum, Base, todas juntas, sumaron menos de la treintava parte de lo que movió Solana sola. Y el 23 de junio —el mismo día del post de Schubert— el volumen acumulado histórico de acciones tokenizadas en Solana cruzó los $10B.

Esto no es teoría. Esto es xStocks, de Backed Finance, que lanzó el 30 de junio de 2025 —once días antes de mi tesis original— con sesenta acciones tokenizadas: Apple, Tesla, Nvidia, el S&P 500, todas redimibles uno a uno. Para febrero de 2026 ya había superado $25B en volumen total de transacciones y más de ochenta mil holders. Esto es Ondo, que el 11 de mayo de 2026 se convirtió en la primera plataforma de acciones tokenizadas en cruzar mil millones de dólares de TVL, en menos de ocho meses. Esto es el RWA total en Solana superando los $2.28B, con deuda del Tesoro de Estados Unidos liderando el bucket.

Y miren la fecha en la que está pasando todo esto. SOL cotiza hoy alrededor de $68, después de haber tocado $148 en enero. El precio está en mínimos de años. La narrativa de precio es que Solana está muerta. Y exactamente en ese momento —con la acción por el piso, con todos aburridos— es cuando la tesis está cobrando.

Esa es la segunda violación de la narrativa. La primera, la de Coatue, era que el gigante corre más rápido que la pluma. La segunda, la que estoy viviendo, es que la tesis se vuelve verdad justo cuando el precio te grita que estás equivocado.

Y para entender por qué esto era inevitable —por qué tenía que pasar en Solana y no en otra parte— tengo que volver a la única palabra que de verdad explica todo, una palabra que ya usé en la tesis original sin entender del todo su peso. Y tengo que conectarla con una frase de Anatoly que, cuando la leí, me reorganizó la cabeza entera.

🔒 Hasta acá la preview. El resto —la frase de Anatoly que decodifica todo, por qué Solana tiene la mayor velocidad de ontología de cualquier cadena, qué están armando Jito y Jupiter, y por qué sigue siendo mi tercer 10x más rápido y no el primero— es para alphas. Y de esto exactamente vamos a hablar en vivo en el Día D: ya confirmó su asistencia, y Solana es uno de los temas que vamos a poner sobre la mesa. Adentro está también el cupón del 40%.

Read more

I. La Frontera Equivocada

Llevo varios meses repitiéndoles que la compañía más importante de la Tierra está a 550 kilómetros de altura. No me retracto de una sola palabra. La tesis del espacio sigue en pie: el arbitraje orbital, la guerra del silicio que desarmé en el artículo de TeraFab, los negocios que se están construyendo encima de la economía de los cohetes. Todo eso es real y sigue siendo brillante. Pero lo que esta pasando en el mundo de la biotech es todo un renacimiento como claramente lo menciona Dario A.

La asimetría más grande que existe hoy no está en órbita. Está adentro del cuerpo. Y la frase que me reorganizó la cabeza cabe en cuatro palabras en inglés: biology is the new code. La biología es el nuevo código. No como metáfora bonita para un pitch. Como descripción literal de lo que está pasando: por primera vez tenemos la capacidad de leer el código biológico de un ser humano, interpretarlo, y escribirlo de vuelta con precisión creciente. Y donde antes había prueba, error y suerte, ahora empieza a haber ingeniería.

La columna vertebral de 10am no ha cambiado desde el primer día, y no va a cambiar hoy: su portafolio vale exactamente lo que vale su dieta de información, procesada con mejores modelos mentales. La fórmula es la misma. Lo único que cambia, cada cierto tiempo, es de quién robamos los modelos. Esta vez le toca otra vez a — el mismo que me dio la velocidad de ontología, la lente con la que entendí por qué compré Palantir. Antonio lleva meses en modo deep dive metido en una sola cosa, y armó un framework que conecta, por primera vez que yo sepa, toda la cadena que va desde los átomos hasta los resultados clínicos. Esto que sigue es ese framework, procesado por mí, traducido a algo que ustedes y yo podemos usar.

Y acá la honestidad que le debo a quien me lee, porque es la regla de la casa: esto todavía es una tesis alquilada. No la he pagado. Hice la cuenta y estimo entre 300 y 400 horas de estudio solo para entender bien la base, antes de tener una sola posición de convicción. Ya arranqué — corto en horas, no en dólares — y ya empecé a construir las bases de análisis que me van a decir por dónde cavar primero. Pero no vengo a venderles un veredicto. Vengo a abrir el cuaderno en la página uno, porque quien escribe aprende dos veces y yo necesito aprender esto dos veces. Vengan a la hora cero.

II. Healthspan per Token

Hemos vivido bajo scaling laws antes. El que hizo el dinero desde 2022 fue simple y se los he repetido hasta el cansancio: más parámetros, más cómputo, más inteligencia. Esa curva está detrás de casi todas las inversiones buenas que hicimos en frontier models. Cada token de cómputo compraba un poco más de inteligencia, de forma predecible.

El scaling law que nombra el framework de Antonio es otro, y es el que creo que va a absorber más dólares de consumo que ninguno en la historia. No se mide en inteligencia por token. Se mide en vida por token. Healthspan per token. Extensión de vida con salud por cada unidad de cómputo que le tiren al problema. Y la parte que me cuesta procesar es que no es lineal. Hace dos años, un token aplicado a su biología daba un upgrade marginal. Hoy cada token aporta muchísimo más, sobre todo si hay datos propietarios de por medio. La capacidad sube exponencial mientras el costo de leer, interpretar y escribir biología se desploma hacia cero. Junten esas dos curvas y tienen la forma exacta de toda revolución que de verdad mueve la economía: internet, AI, y ahora esto.

Hay una idea vieja que sostiene todo esto, y se llama longevity escape velocity. La acuñó Aubrey de Grey hace veinte años y suena a ciencia ficción hasta que la aterrizan: existe un punto en el que, por cada año que viven, la ciencia les suma más de un año de esperanza de vida. La velocidad de escape. Hoy se estima que cada año vivido nos compra apenas unos tres meses extra — la línea roja, uno a uno: viven un año, les queda un año menos. Lo que la curva verde propone es cruzar ese umbral. No la inmortalidad, que quede claro. Pero no hay ninguna razón fundamental por la cual, con una IA capaz de leer su biología en tiempo real y escribirla de vuelta con precisión, un humano no pueda vivir 150, 200, 300 años bien vividos.

¿Por qué digo que esto se lleva los dólares y no, por ejemplo, el entretenimiento? Háganse la pregunta de consumidor más básica que existe. Netflix vale lo que vale y el entretenimiento importa. Pero si frente a ustedes hay una plataforma que les suma días de vida — a ustedes, o peor todavía, a un ser querido — ¿dónde va a terminar su dinero? La respuesta es casi todo lo que puedan asignar. Elasticidad total. Y la prueba de que los dólares ya están corriendo no es una proyección a futuro: es que una sola clase de péptido, el metabólico — los GLP-1 — facturó cerca de $45.7B en 2024. Un péptido. El tamaño de la economía de un país pequeño. Y ese es apenas el primero de la lista.

III. La Enfermedad es un Bug

Para entender por qué esto deja de ser biología y se vuelve ingeniería, hay que bajar al nivel más bajo de abstracción, que es donde todo se decide.

El cuerpo es una pila de cinco capas. Abajo del todo, los átomos: el hardware físico. Encima, la química — los aminoácidos que entran por la dieta. Encima, los péptidos, cadenas cortas de aminoácidos que son el set de instrucciones del cuerpo. Encima, las proteínas y proteoformas: estructuras tridimensionales tipo Lego que, por pura atracción electromagnética, se pliegan en formas que ejecutan funciones. Y arriba, el resultado clínico: cómo se siente una persona, cuánto vive. Cuando una proteína se pliega como no debe, el error se propaga hacia arriba por toda la cadena. Y esa es la frase que resume el framework entero, la que llevo días sin poder soltar: la enfermedad es, casi siempre, un bug en la red de proteínas.

Sickness is simply a bug in the proteomic network.

Acá viene el dato contraintuitivo, el que comparto porque es el que cambia el juego completo. Los medicamentos tradicionales funcionan cuando una proteína tiene protuberancias, agujeros, bolsillos donde una molécula se puede enganchar. El problema es que eso describe apenas el 20% de las interacciones que causan enfermedad. El otro 80% ocurre entre proteínas de superficie plana — lisa, sin agarraderas — donde nada de lo que la farmacología había descubierto en un siglo se podía enganchar. Por eso tantas enfermedades se consideraban incurables: no porque no entendiéramos el problema, sino porque no teníamos manera de entrar. Hasta el 85% del proteoma humano era undruggable. KRAS, el driver de cáncer más famoso del mundo, vivió cuarenta años en esa categoría, intocable.

Lo que cambia ahora es, literalmente, la suerte. El sector biotech fue durante décadas una lotería de prueba y error. Nadie sabía qué iba a funcionar ni cuándo; de repente algo pegaba, se multiplicaba por un millón, y los que estaban subidos no se lo creían. Con la capacidad de leer biología a nivel molecular y simular física y química antes de tocar un solo tubo de ensayo, el modelo se invierte: primero simulas, después descargas de la nube. Se parece menos a una lotería y más a cualquier otra industria de software, donde el factor suerte se reemplaza por inteligencia a costo marginal que tiende a cero.

Y si la enfermedad es un bug, entonces alguien tiene que leer el código para encontrarlo, y alguien tiene que escribir el parche para arreglarlo. Pero antes de hablar de quién escribe, hay que entender quién lee. Porque es ahí, en la capa de lectura, donde se está armando en silencio la cadena de valor más grande que he visto desde que entendí lo que significaba la palabra ontología.

Hasta acá la parte abierta. Lo que sigue — la cadena completa de quién lee, quién orquesta y quién escribe el código biológico; por qué HIMS es la pieza que captura todo el valor; la tesis de los péptidos de un trillón de dólares; y el cuello de botella de cómputo que, si Antonio tiene razón, esconde la asimetría más grande sobre la mesa — es para la comunidad que sigue el proceso completo. Y este ejercicio de desarmar una frontera nueva antes de que lo haga Wall Street es exactamente lo que vamos a hacer en vivo el 14 de octubre, un día entero, en el Auditorio Fundadores de EAFIT en Medellín. El Día D no es teoría ni inspiración: es la mecánica. Si quieren estudiar en compañía de gente que pone su propio dinero donde pone su boca, ahí los esperamos.

Read more

Read more

Esta vez no hay preview toca ser alpha para poder leerlo o para poder acceder al cupón del 40% que está al final del articulo para el Día D

Read more

I. La Palabra que No Entendía

El día que compré Palantir no entendía la palabra más importante de mi propia tesis.

La había escrito. La había dicho en el podcast. Había publicado un artículo de treinta páginas — Palantir: la Compañía más Importante de Occidente — donde la ponía en el centro de todo, como si fuera obvia. “El verdadero moat de Palantir no es su software. Es su dominio de la ontología.” Sonaba bien. Sonaba inteligente. Y durante semanas la usé como se usa una palabra prestada: con la confianza de quien repite algo que escuchó en una buena conferencia, sin haber pagado el precio de entenderla por dentro.

La ontología, escribí entonces, es en filosofía el estudio de lo que existe. Parménides, Aristóteles, Heidegger se pasaron la vida en eso. Y en ciencia de datos, agregué, es el framework que define cómo distintas piezas de información se relacionan entre sí. Correcto. Académicamente impecable. Y completamente hueco, porque una definición no es comprensión. Saber que la ontología “es lo que existe” tiene la misma utilidad práctica que saber que la economía “es el estudio de la escasez”. No te dice nada sobre qué hacer un lunes a las nueve de la mañana cuando tienes que decidir dónde poner tu dinero.

El click — el de verdad, el que te reorganiza el cerebro — no me llegó leyendo a Heidegger. Me llegó mucho después, leyendo a Antonio Linares, y voy a llegar ahí. Pero arrancó con Palantir, porque Palantir es el único lugar donde la palabra dejó de ser filosofía y se convirtió en una máquina que cobra millones de dólares por existir. Así que déjenme empezar por donde de verdad empezó: por un aeropuerto.

II. El Aeropuerto

Imaginen el aeropuerto JFK. No la terminal, no la fila de migración. El concepto “aeropuerto” dentro de un computador.

Para casi cualquier sistema de software del mundo, JFK es una fila en una tabla. Una celda que dice “país: Estados Unidos”, otra que dice “ciudad: Nueva York”, otra con la latitud, otra con la longitud. Datos. Una hoja de cálculo glorificada. Si quieres saber qué aviones despegaron de ahí, abres otra tabla, en otro sistema, que probablemente llama a JFK por otro nombre — un código, un número interno, una sigla que solo el departamento de operaciones entiende. Y si quieres cruzar eso con los retrasos, abres una tercera tabla, en un tercer sistema, donde “retraso” significa algo ligeramente distinto a lo que significaba en el segundo. Ese es el estado natural de los datos en cualquier organización grande: islas que no se hablan, cada una con su propio idioma, cada una jurando que su versión de la realidad es la verdadera.

Una ontología hace algo distinto. En la ontología, JFK no es una fila. Es un objeto — un Aeropuerto, con mayúscula — y ese objeto sabe quién es. Sabe su país, su ciudad, sus coordenadas (eso son sus propiedades). Pero, más importante, sabe con quién está conectado: sabe qué Aviones son operados desde él, qué Vuelos partieron de su pista, qué Aerolíneas lo usan como hub, qué Retrasos se originaron en sus puertas (eso son sus relaciones, o links). Y sabe qué se le puede hacer — qué decisiones, qué cambios, qué órdenes puede recibir y ejecutar contra el mundo real (eso son las acciones). Objetos, propiedades, relaciones, acciones. Cuatro piezas. Eso es una ontología, despojada de toda la filosofía alemana: un modelo donde las cosas que existen en tu negocio están conectadas entre sí de la misma manera en que están conectadas en la vida real, y donde sobre esas conexiones se puede actuar.

El problema que resuelve es el problema más viejo y más caro de la era de los datos: que cada sistema le pone un nombre distinto a la misma cosa. Lo escribí en el artículo de Palantir y lo repito porque es el corazón de todo: un “cliente” en el área de ventas es un “usuario” en el área de producto y una “cuenta” en el área de finanzas. La misma persona, tres nombres, tres tablas, cero conexión. Multipliquen eso por miles de entidades a través de docenas de sistemas y tienen el caos que paraliza a casi todas las empresas del planeta. La ontología impone un idioma común. Un solo modelo de la realidad donde “cliente” significa una cosa, siempre, en todas partes, y donde ese cliente está atado a sus pedidos, sus pagos, sus quejas y sus devoluciones sin que nadie tenga que hacer un Excel a medianoche para cruzarlos.

Y aquí está la parte contraintuitiva, la que comparto porque es la que separa esto de cualquier base de datos común. Cuando le agregas más datos a un sistema tradicional, obtienes más complejidad. Más tablas, más cruces, más gente confundida. Cuando le agregas más datos a una ontología bien diseñada, obtienes más claridad. Porque cada dato nuevo no es una fila más: es una conexión más, un nodo más en una red que se vuelve más inteligente con cada cosa que aprende. Yo lo escribí entonces como una fórmula medio provocadora:

Valor(Datos) = Información × Contexto²

El contexto va al cuadrado porque las relaciones entre datos crecen exponencialmente, no en línea recta. Dos datos tienen una conexión posible. Diez datos tienen cuarenta y cinco. Cien datos tienen casi cinco mil. Una ontología es la única estructura que captura ese valor exponencial mientras todos los demás siguen sumando filas y viendo crecimiento lineal. Por eso Palantir puede integrar una fuente nueva de datos en días mientras sus competidores tardan meses: no están copiando una tabla, están enchufando un nodo a una red que ya entiende el mundo.

Ese fue el primer click. Entender que la ontología no era una palabra elegante para “base de datos”, sino el sistema operativo sobre el cual una organización entiende su propia realidad. Pero faltaba el segundo click, el que convirtió esto de un concepto bonito sobre una sola empresa en la lente con la que ahora miro absolutamente todas mis inversiones. Y ese me lo dio otro inversionista, leyendo sobre una fábrica de medicamentos que se diseña a sí misma.

III. Velocidad de Ontología

Antonio Linares escribe los deep dives más rigurosos que leo en inglés. No los lee mucha gente todavía, lo cual para mí es una ventaja informacional, no un defecto. Y en su análisis de Recursion Pharmaceuticals — una empresa que usa inteligencia artificial para diseñar medicamentos, prediciendo en silicio qué moléculas vale la pena fabricar antes de tocar un solo tubo de ensayo — Antonio nombró el concepto que a mí me faltaba. Lo llamó Ontology Velocity. Velocidad de ontología.

La idea es esta, y se las traduzco tal como me reorganizó la cabeza a mí. Toda empresa tiene una ontología. No solo Palantir. Toda. Es el modelo de trabajo que la empresa tiene del mundo en el que opera, construido a partir de los datos que recoge. Una panadería tiene una ontología pobre y casi inmóvil. Un banco tiene una más rica. Google tiene una monstruosa. Pero el punto de Antonio no es cuán grande es la ontología de una empresa. Es cuán rápido mejora. Porque mientras más rápido mejora el modelo que una empresa tiene del mundo, más rápido entrega más valor por cada dólar que gasta. Y en un mundo donde la inteligencia artificial compone sobre los datos, la empresa con la ontología que mejora más rápido no solamente gana. Abre una brecha que se compone sobre sí misma hasta volverse imposible de cruzar.

Léanlo otra vez, porque es la frase que lo cambió todo para mí:

la empresa con la ontología que mejora más rápido abre una brecha que se compone hasta volverse imposible de cruzar.

No es la que tiene más datos hoy. Es la que aprende más rápido de los datos que tiene. La ontología de Recursion es la biología misma, y su negocio entero es una máquina para mejorar ese modelo de la biología más rápido de lo que cualquier otro puede. El loop es el activo: el laboratorio húmedo genera datos, los modelos predicen, el laboratorio prueba la predicción, el resultado — acierto o error — reentrena el modelo, y vuelve a empezar, cada vuelta más apretada que la anterior. El motor paga su propia mejora. Antonio llama a las empresas con esa forma Singularity Scalers: negocios cuyo output se desacopla del input y que se vuelven exponencialmente más poderosos a costo marginal casi cero a medida que la IA compone.

Ahí fue donde junté los cables. Palantir me había enseñado qué es una ontología. Antonio me enseñó que la ontología no es una foto, es una velocidad — una derivada, para los que les gusta el cálculo. Y que esa velocidad es medible, comparable, y probablemente el mejor predictor que existe de qué empresa va a componer durante una década y cuál se va a quedar coleccionando filas en una tabla.

Desde ese día no he vuelto a mirar una posible inversión de la misma forma. Antes preguntaba lo que pregunta todo el mundo: ¿qué tan grande es el mercado, qué tan barata está la acción, qué tan bueno es el equipo. Ahora, antes que nada, pregunto una sola cosa: ¿qué tan rápido mejora el modelo que esta empresa tiene de su propio mundo? Y cuando empecé a hacerme esa pregunta sobre las empresas que ya tenía en cartera, descubrí que sin saberlo había estado comprando velocidad de ontología todo el tiempo. Solo que no tenía la palabra.

Este es exactamente el tipo de lente que vamos a afilar en vivo en el Día D — 14 de octubre, Auditorio Fundadores de EAFIT, Medellín. Una vez al año la comunidad se sienta en la misma sala a desarmar los modelos mentales con los que vemos el mundo antes de poner el dinero, y este año la velocidad de ontología va a ser uno de ellos. Los detalles y el link de registro están más abajo, al final del artículo; y para los 10am alphas dejé ahí mismo el cupón del 40%.

Pero antes de la sala, los tres ejemplos. Déjenme mostrarles tres.

Read more

I.

Si recuerdan “Si Yo Fuera un Agente”, terminamos parados frente a un abismo. Habíamos recorrido el agent stack completo —SOL, JUP, JTO, JLP, MET, NOS, SHDW, 2Z, HNT, ZEC, BTC—, ese sistema operativo de $225B de dólares que casi nadie estaba mirando. Habíamos entendido por qué Solana y no Ethereum, por qué x402, por qué las stablecoins eran los rieles nativos. Y al final lancé La Gran Pregunta, esa que se quedó flotando: ¿qué quiere un agente de AI cuando nadie lo está mirando? ¿Qué carajo le venden a una máquina?

La Parte 1 fue sobre la infraestructura. Sobre qué compran ellos para existir. Esta segunda parte es sobre algo mucho más perturbador: sobre qué consumen, y sobre cómo nos preparamos —ustedes y yo, desde acá, desde un país que todavía cose— para un mundo donde los clientes más grandes no van a ser humanos.

Porque esto es lo que casi nadie quiere decir en voz alta: indudablemente vamos a tener más agentes de AI y más robots consumiendo servicios que humanos. No es ciencia ficción. Es aritmética.

Y si eso es verdad, entonces toda la teoría del consumo que aprendimos en la universidad —el deseo, el estatus, la marca, el me lo merezco— se va al carajo. Hay que reconstruirla desde cero.

Desde primeros principios, como siempre.

II. Un avión que despega de Moscú a comienzos de 2002.

Adentro va un sudafricano furioso. Acababa de intentar comprar dos cohetes balísticos reciclados y los rusos le pidieron una cifra obscena. En vez de rendirse, Elon Musk sacó una hoja de cálculo en el vuelo de regreso y empezó a listar las materias primas de un cohete: fibra de carbono, aluminio, titanio, combustible. Sumó. Y descubrió que el costo de los materiales era una fracción minúscula del precio del producto terminado.

De ahí nació lo que bautizó como el idiot index: el ratio entre el costo de un producto terminado y el costo de sus materias primas. Walter Isaacson lo cuenta en la biografía: un analista financiero joven llamado Lucas Hughes no supo de memoria cuáles eran las peores piezas del motor Raptor según ese índice, y Musk casi lo despide en el acto. La regla de Elon es de una simpleza que da rabia no haberla pensado antes: una pieza que cuesta 1.000 dólares cuando el aluminio que la compone vale 100 tiene un idiot index de diez. Y, en palabras textuales de Musk, “si el ratio es alto, eres un idiota”. Los cohetes, atados a especificaciones militares y de la NASA, tenían un índice altísimo: el producto terminado costaba al menos cincuenta veces sus materiales.

Lo conté en “Hardcore Principles” cuando desarmé el algoritmo de cinco pasos de Elon —cuestiona los requisitos, borra, simplifica, acelera, automatiza—. Pero el idiot index es la columna vertebral de todo eso. Es razonar desde primeros principios en vez de razonar por analogía. La analogía dice “esto cuesta así porque siempre ha costado así”. Los primeros principios dicen “esto debería costar lo que cuestan sus átomos más el trabajo de ensamblarlos, y nada más”.

Ahora detengámonos y pensemos una cosa juntos.

Un agente de AI no razona por analogía. No puede. No tiene ego, no tiene un vecino al que envidiarle el carro, no tiene una infancia de carencias que compensar. Un agente razona como Elon en ese avión: desde los átomos hacia arriba.

Y aquí va mi tesis, que les pido lean como lo que es —una teoría, pero una que aguanta presión—: las decisiones de compra de los agentes y los robots van a converger, casi inevitablemente, hacia lo más eficiente, lo más económico y lo más rápido posible. Su consumo será un idiot index andante. Es dificilísimo imaginar a un agente comprando algo ostentoso. ¿Para qué querría un agente un reloj suizo, una botella de vino de guarda, un bolso con un logo? El estatus es un juego humano. Es un protocolo social que corre sobre hardware de carne, sobre 1.000 milisegundos de neurona.

El agente corre sobre silicio. Y va a comprar como si cada decisión fuera auditada por el Elon de 2002.

III. Los agentes no van a comprar ni usar productos que requieran la aprobación de una junta directiva. De un consejo. De un comité de compras que se reúne los martes.

¿Por qué habrían de necesitarlo? La decisión última la está tomando un frontier model. Un LLM en la frontera de la capacidad. El cerebro detrás del agente es Claude de Anthropic, o Gemini de Google, o algún modelo de OpenAI, o Grok de xAI. Esos son los cerebros.

Y un cerebro que procesa el contexto completo de una transacción en milisegundos no va a esperar a que tres humanos en una sala de juntas validen una orden de compra de 0,001 dólares.

Les doy la dimensión de lo rápido que esto está pasando. Claude Code de Anthropic, salió al público en mayo de 2025. El 12 de febrero de 2026, al anunciar su Serie G, la propia Anthropic lo dijo con todas las letras: “Claude Code’s run-rate revenue has grown to over $2.5 billion; this figure has more than doubled since the beginning of 2026”, y que —según estimaciones de SemiAnalysis— un 4% de todos los commits públicos de GitHub en el mundo los estaba escribiendo Claude Code, el doble que un mes antes. En ese mismo anuncio la compañía remató: “Today, our run-rate revenue is $14 billion, with this figure growing over 10x annually in each of those past three years”. Esto no es un copiloto que sugiere líneas de código. Es un trabajador que decide.

Cuando el que decide es así de rápido y así de capaz, la junta directiva es fricción. Y la fricción tiene un idiot index infinito.

Y esto, en el fondo, es lo que vamos a desembarcar en el Día D: el 14 de octubre, en el Auditorio Fundadores de EAFIT, Medellín. Porque la pregunta de qué consume una máquina —y qué blockchain usa para hacerlo— no la quiero contestar solo. La quiero poner sobre la mesa frente a Santiago Santos, que viene a hablar justo de eso: de traer el GDP onchain, de si Solana puede volverse la capa económica del mundo real. Si una economía de agentes va a correr sobre estos rieles, él es la persona a quien hay que preguntarle. La invasión, esta vez, no viene con tanques. Viene con mejores modelos mentales.

Los que ya hacen parte de 10amalpha encuentra el cupon al final de este art.

El dia "D"

Read more

I. La Trampa de Parecer Inteligente

Hay una industria entera dedicada a hacerte sonar inteligente. Palabras rimbombantes, la pausa estudiada antes de la frase importante, el vocabulario que sube tres niveles de registro cuando hay una cámara enfrente. La mayoría de la gente que conozco — gente brillante, gente con títulos — invierte una cantidad obscena de energía en parecer que piensa bien. Casi nadie invierte esa misma energía en pensar bien de verdad.

Son dos juegos distintos. Y el segundo es el único que paga.

Lo entendí de la forma más cara posible: poniendo mi propio dinero. Hace unos años abrí mi primera posición importante en Tesla mas o menos en el 2018.

No la abrí por el auto, ni por el hype del robotaxi, ni porque un influencer de YouTube me dijo que iba a 10x. La abrí porque pasé semanas estudiando cómo ejecuta la empresa, y en algún punto del proceso me di cuenta de que no estaba haciendo due diligence sobre una compañía de autos. Estaba haciendo due diligence sobre un método de pensamiento. El tech me convenció. Pero lo que me hizo apretar el botón fue otra cosa: la sospecha de que detrás de cada decisión de producto había un sistema operativo cognitivo que yo quería copiar para mi propia cabeza, tuviera o no acciones.

Porque esa es la verdad que diferencia a Elon Musk, y es la tesis de todo lo que sigue. No es que sea un orden de magnitud más inteligente que la gente contra la que compite. Boeing tiene más ingenieros. Lockheed tiene más contratos. La industria automotriz alemana tiene un siglo de ventaja. Hay gente con más capital, más experiencia, y más PhDs en cada una de las industrias que él ha invadido. Y aun así no se acercan. Ni siquiera están cerrando la brecha.

La explicación fácil es “genio”. La explicación fácil es vaga, y además es inútil, porque si la respuesta es “nace uno cada cien años” entonces no hay nada que aprender. Yo no creo en esa explicación. Creo que la diferencia es metodológica. Creo que Elon corre un algoritmo — literalmente lo llama así — y que el algoritmo es transferible. No el resultado: el método.

Hace unos días escribí Munger nunca piso un Gimnasio, sobre por qué la curiosidad es el verdadero hack de longevidad y por qué tu cerebro es el foundation model original que la mayoría deja de entrenar a los once años. Ese artículo era sobre mantener el modelo prendido. Este es la secuela natural: una vez que tu modelo sigue entrenando, ¿qué algoritmo le corres encima? Porque tener el circuito abierto no sirve de nada si lo que metes adentro es ruido sofisticado.

Lo que sigue es ese algoritmo. No es teoría. Es la transcripción de cómo piensa el operador más singular de nuestra generación, traducida a algo que tú y yo podemos usar mañana en la mañana.

Antes de entrar al algoritmo, una nota — porque esto no lo escribí para que lo leas y lo archives.

El 14 de octubre voy a juntar en un solo auditorio en Medellín a la gente que corre este algoritmo con su propio dinero. Se llama El Día D. Un día completo sobre dónde van el capital, la tecnología y Latinoamérica — que es, exactamente, la pregunta que Elon contesta cada vez que decide qué construir.

Antonio Linares, Santiago Santos, André Joffroy, Pedro Faria y todos los cohosts de 10ampro, en persona. Primera vez que hacemos algo de esta escala.

El dia D

Ahora sí, el algoritmo.

II. Make Your Requirements Less Dumb

El primer paso del algoritmo de Elon no es resolver el problema. Es cuestionar si el problema existe.

Él lo dice con una frase que suena a insulto y es en realidad la cosa más sabia del documento entero:

“Make your requirements less dumb”

Haz tus requisitos menos estúpidos. Y agrega una observación que debería estar tatuada en la pared de toda oficina de ingeniería del mundo: el error más común de un ingeniero brillante es optimizar algo que no debería existir.

Lean eso otra vez. Optimizar algo que no debería existir. La trampa no es resolver mal el problema. La trampa es resolver con elegancia, con esfuerzo heroico, con noches sin dormir, un problema que nunca debió plantearse. Es la forma más sofisticada de desperdicio que existe, porque se ve como productividad. Se ve como inteligencia. El tipo trabajó duro, entregó algo pulido, y todo el ejercicio fue inútil desde el primer minuto.

La regla que Elon le pega a esto es brutal y es la que de verdad muerde: cada requisito tiene que tener un nombre propio pegado. No “esto lo pide legal”. Lo pide Pedro, de legal. Y a Pedro le puedes preguntar por qué. Una y otra vez encontraron requisitos creados por un pasante que se fue de la empresa hace dos años, o por un departamento donde nadie del departamento está de acuerdo con el requisito. El requisito sobrevive no porque sea correcto, sino porque nadie nunca le preguntó su nombre.

El ejemplo canónico es el del latch — la cerradura. La especificación decía que había que comprar una cerradura específica de una empresa aeroespacial, hecha de materiales específicos, carísima. Alguien en SpaceX cuestionó el requisito. ¿Qué tiene que hacer realmente esta pieza? Hace esto y esto. Listo. Compraron una parte de catálogo en McMaster-Carr que hacía exactamente el mismo trabajo a dos órdenes de magnitud menos de costo. No fue un truco de negociación ni de ingeniería avanzada. Fue, simplemente, haber preguntado por qué el requisito decía lo que decía.

Aplica esto a tu cabeza por un segundo. ¿Cuántas de tus creencias sobre cómo funciona el dinero, los mercados, tu carrera, tu industria, son requisitos heredados de un pasante intelectual (friccion) que se fue de tu mente hace veinte años? ¿Cuántas las repites porque alguien con autoridad las dijo, y nunca le preguntaste el nombre a la fuente? El pensamiento desde primeros principios — first principles thinking, el término que Elon popularizó y que casi nadie practica de verdad — empieza exactamente acá. No en encontrar respuestas brillantes. En borrar las preguntas que no debían existir.

III. The Best Part Is No Part

El segundo paso es borrar. Delete, delete, delete.

Y acá Elon tiene una frase que es, para mí, el centro de gravedad de todo su sistema:

the best part is no part. The best process is no process.

La mejor pieza es ninguna pieza. El mejor proceso es ningún proceso. Cada vez que dos cosas tienen que unirse, no solo tienes dos cosas — tienes el pegamento, el tornillo, el remache, la forma en que los metales interactúan, el ensamblaje, la tolerancia que puede cambiar si otras piezas encajan. El número de gastos, cambios y riesgos que vienen de cada parte adicional es altísimo. La simplicidad te da las dos cosas que normalmente parecen estar en conflicto: confiabilidad y bajo costo al mismo tiempo.

Cuando empezó el Model 3 había más de diez mil partes. Ese número bajó de forma sostenida porque Elon combinó, eliminó, fusionó. El ejemplo más famoso es haber fundido el tercio delantero y el tercio trasero del auto en una sola pieza — idea que sacó, literalmente, de los carritos de juguete. Los juguetes son baratos, confiables, se producen a escala. ¿Cómo los hacen? Déjame robarle la idea a esa industria. Resultó que nadie había hecho máquinas de estampado tan grandes. Preguntó cuántas empresas en el mundo las fabricaban. Eran como seis. Cinco dijeron que no. Una dijo que tal vez. Y Elon dice la línea que lo define: tomé ese “tal vez” como un sí.

Hay un detalle dentro de este paso que es donde la mayoría falla, y es la diferencia entre un aficionado y alguien que de verdad domina el método. Elon dice que si no estás volviendo a meter al menos el 10% de las cosas que quitaste, no estás quitando suficiente. Léelo despacio. El mandato no es “quita lo que sobra”. El mandato es: quita tanto que el sistema empiece a romperse, y luego vuelve a meter el mínimo necesario para que funcione.

Tienes que provocar la falla a propósito para encontrar el límite real.

Si nunca rompiste nada, es porque te quedaste cómodo, y la comodidad en este paso es indistinguible de la mediocridad.

Mi ejemplo favorito de esto no es un cohete. Es una tapete. En la línea del Model 3 había una capa encima del pack de baterías. El equipo de prevención de incendios pensaba que era para amortiguar sonido. El equipo de sonido pensaba que era para prevenir incendios. Cada departamento asumía que la pieza servía para el problema del otro departamento. Nadie sabía para qué era. La solución de Elon no fue convocar un comité ni pedir un estudio de tres semanas. Fue: pongan un micrófono adentro del carro y midan. Seis horas después, la pieza estaba eliminada. Nadie notaba diferencia en el ruido. Era el cuello de botella de la línea en ese momento, y borrarla liberó robots, aceleró la producción, y valió millones.

Esa es la forma de pensar. No “¿quién tiene razón en la reunión?”. Sino “¿cómo confronto esto contra la realidad lo más rápido y barato posible?”. La realidad es el único árbitro que no tiene agenda.

IV. Physics Is a Harsh Judge

Y acá llegamos a la raíz de todo, al principio del que cuelgan los demás. Elon lo dice así:

if you have beliefs that are incompatible with the rocket getting to orbit, the rocket will not get to orbit. Physics is a harsh judge.

Si tienes creencias incompatibles con que el cohete llegue a órbita, el cohete no va a llegar a órbita. La física es un juez severo.

Y lo repite en su versión más aguda que es ademas la que mas me gusta:

La física es ley. Todo lo demás es una recomendación.

Esto suena obvio hasta que entiendes lo que implica para la forma en que la mayoría de la gente toma decisiones. El enemigo número uno del buen pensamiento no es la falta de inteligencia. Es el wishful thinking — el pensar con el deseo en vez de con los datos. Elon es explícito: en los negocios y en la vida personal, el pensamiento desiderativo causa una cantidad enorme de errores. Tienes que preguntarte si algo es verdad o no, y el pensar con el deseo es una tendencia humana natural. No es un defecto de los tontos. Es el modo por defecto del cerebro, incluyendo el tuyo y el mío.

La cura es construir tu organización — y tu mente — como una máquina de chocar contra la realidad. Naval Ravikant lo articula aplicando las ideas de David Deutsch: el objetivo de una empresa es descubrir conocimiento nuevo, lo que significa interactuar con la realidad y luego instanciar ese conocimiento en un producto. Es el mismo ciclo de toda creación de conocimiento que existe. Mutación genética y selección. Hipótesis científica y prueba. Pero la gente no piensa en su organización en esos términos. Casi nadie se pregunta cuánto conocimiento nuevo está generando, cuántos experimentos está corriendo, qué tan rápido, y qué tan barato puede provocar las fallas.

Acá está la inversión mental que cuesta más trabajo aceptar: Elon diseña sus empresas para fallar lo más rápido posible. No para evitar el fracaso — para producirlo en dosis pequeñas y constantes. Cuando pone una fecha límite, dice que escoge una que tiene 50% de probabilidad de cumplir. Vamos a fallar la mitad de nuestras fechas, y estoy perfectamente bien con eso, porque significa que nos estamos moviendo lo más rápido posible. Si cumples el 100% de tus deadlines, es que los pusiste demasiado lejos.

Compáralo con cómo opera el resto del mundo. El ingeniero promedio, el empleado promedio, el inversionista promedio, no quiere que su parte falle. Su trabajo está en juego, su reputación, su deseo de verse bien frente a los pares. Así que optimiza para no fallar nunca — y al optimizar para no fallar nunca, optimiza para no aprender nunca. Es la idea de lo antifrágil de Taleb: cuando le quitas al sistema la posibilidad de fallar en pequeño, le inyectas fragilidad en grande. La pregunta que Elon les hace a los candidatos lo dice todo: si no me puedes contar las cuatro formas en que cagaste algo, entonces no eras tú quien hacía el trabajo de verdad.

Cuéntame tus cuatro fracasos. Es la pregunta más honesta que le puedes hacer a alguien — incluido tú mismo. Ja! yo si que la he embarrado varias veces hasta podcast le sacamos

V. La Única Moneda Real Es el Tiempo

Hay una frase de Elon que subrayé dos veces cuando la leí, y que reorganiza la jerarquía de todo lo demás:

the only true currency is time. La única moneda real es el tiempo.

De ahí cuelga una afirmación que parece exageración y no lo es. Elon les dice a sus equipos: está bien botar equipo. Está bien botar dinero. No está bien botar tiempo. El dinero se recupera. El tiempo no. Y cuando de verdad internalizas eso, decisiones que parecían contradictorias se vuelven obvias.

Hay una historia que lo captura perfecto, de los primeros días de SpaceX. Un ingeniero va donde Elon a pedir veinticinco mil dólares por una pieza. Elon le dice que no, que esa pieza debería costar dos mil — el idiot index, la relación entre lo que cuesta una parte y lo que cuestan los materiales con los que está hecha. Si el índice es alto, alguien en la cadena está siendo idiota, o cobrando de más, o las dos. Resuélvelo. Mismo día, ese mismo Elon deja que el equipo use su jet privado y queme sesenta mil dólares en combustible para llevar una pieza a Hawái y ahorrarse un día de trabajo.

¿Tacaño con veinticinco mil, generoso con sesenta mil? No hay contradicción. Hay una sola variable maestra. Elon le había dicho al equipo que en SpaceX todo era función del burn rate: quemaban cien mil dólares al día, y él esperaba que el revenue en diez años fuera de diez millones de dólares al día. Cada día que se demoraban en llegar a la meta era un día de ese revenue futuro que se perdía. Visto así, gastar sesenta mil para ahorrar un día es una de las mejores compras que puedes hacer, porque ese día, diez años en el futuro, vale diez millones. Y los veinticinco mil de la pieza no eran sobre los veinticinco mil — eran sobre el principio, porque van a fabricar diez mil de esas piezas y no quieres replicar una ineficiencia diez mil veces.

Esto solo funciona si la ingeniería y las finanzas viven en la misma cabeza. En la mayoría de las empresas están separadas: el ingeniero diseña, el de finanzas calcula. En Elon es la misma persona, el mismo cerebro, una sola decisión. Por eso puede moverse tan rápido. No tiene que esperar a que dos departamentos se pongan de acuerdo sobre el valor de un día.

El corolario operativo de esto es el más copiable de todo el documento: evita las dependencias serializadas. La cosa cuerda, cuando tienes tres tareas — un permiso regulatorio, una integración, un producto — es hacerlas una después de la otra, para no desperdiciar esfuerzo construyendo algo si el permiso no llega. Y así un proyecto que podría tomar un año toma tres. Elon las ataca todas en paralelo. Máximo riesgo, mínimo timeline. La cita de Buffett que lo resume es perfecta: no puedes tener un bebé en un mes embarazando a nueve mujeres. Pero la pregunta correcta no es esa. La pregunta es cuántas cosas sí puedes correr en paralelo para minimizar el tiempo total. Sí, viene con más riesgo. Sí, es más caro. Pero si el tiempo es la moneda real, es exactamente lo que debes hacer.

Y la velocidad, dice Elon, no es solo ofensiva. Es defensiva. El SR-71 Blackbird era un avión militar casi sin defensas, excepto su aceleración. Le dispararon más de tres mil misiles en su vida operativa. No le dieron ni una vez. Lo único que hacía era ir más rápido. La velocidad como ventaja competitiva está brutalmente subvalorada — en una empresa, en una carrera, en un portafolio.

VI. El Orden Importa Más Que los Pasos

Acá está el detalle que separa a quien entendió el algoritmo de quien solo lo memorizó.

Los cinco pasos son: cuestiona los requisitos, borra, simplifica y optimiza, acelera, automatiza.

Y Elon es fanático del orden. Porque admite que él mismo hizo, muchas veces, todo exactamente al revés.

Su visión original de Tesla era automatizar todo. Una línea de producción robótica, autónoma, un acorazado de máquinas. Fue, en sus palabras, un error gigantesco. No habían refinado el diseño, no habían cuestionado los requisitos, no habían borrado suficientes partes. Automatizaron primero, y luego pasaron por el infierno de producción tratando de optimizar algo que nunca debió automatizarse de esa forma. Tuvieron que tumbar literalmente una pared de la fábrica y botar cientos de robots — robots que hacían cosas absurdas, como uno que recogía una pieza para pasársela a otro robot que se daba la vuelta para pasársela a un tercero.

La metáfora con la que Elon cierra este punto es la más memorable del documento entero, y la dejo casi textual porque no se puede mejorar:

speeding up something that shouldn’t exist is absurd. If you’re digging your grave, don’t dig it faster.

Acelerar algo que no debería existir es absurdo. Si estás cavando tu propia tumba, no caves más rápido. Deja de cavar.

Por eso el orden no es decorativo. Acelerar y automatizar son los pasos a los que todo el mundo salta por instinto, porque se sienten como progreso. El algoritmo entero está diseñado para forzarte a afilar el hacha antes de empezar a cortar el árbol — y antes de eso, a verificar que estás cortando el árbol correcto, y antes de eso, a preguntarte si hay que cortar un árbol siquiera. La mayoría de la gente — la mayoría de las empresas, la mayoría de los inversionistas — gasta su vida acelerando procesos que debieron borrarse en el paso uno. Trabajan con una intensidad admirable en la dirección equivocada. Y la intensidad en la dirección equivocada no es una virtud. Es la tragedia más cara que existe, porque se disfraza de disciplina.

El tercer paso — simplificar y optimizar — Elon lo considera, curiosamente, el menos interesante. Cuestionar requisitos y borrar son el 80% del levantamiento. Optimizar es el trabajo normal de ingeniería que la gente sabe hacer. El valor del algoritmo no está en los pasos que ya haces por instinto. Está en obligarte a hacer primero los dos que tu instinto quiere saltarse.

VII. La Repetición Es Persuasiva

Hay una cosa sobre este algoritmo que es fácil pasar por alto y que es, quizás, la lección más importante de todas para alguien que — como yo, como tú probablemente — está obsesionado con pensar mejor.

Elon dice que repetía el algoritmo tanto, tantas veces, que la gente en las reuniones empezaba a poder predecir qué iba a salir de su boca antes de que lo dijera. No son veinticinco ideas. Es un puñado de principios que usa una y otra y otra vez, en cohetes, en carros, en túneles, en inteligencia artificial. Lo construyó como un sistema operativo. Y la repetición no es un defecto del sistema. Es el sistema.

Esto choca de frente con cómo la cultura intelectual te entrena a pensar. La cultura premia la novedad: la idea nueva, el dato sorprendente, el ángulo que nadie había visto. Por eso la gente colecciona conceptos como quien colecciona estampillas — para tener uno nuevo que mostrar en la próxima conversación. Pero coleccionar ideas no es lo mismo que poder usarlas. Una idea que leíste una vez y entendiste a medias no está disponible cuando la necesitas. No aparece en el momento de la decisión. Solo aparece la que repetiste hasta que se volvió instinto.

Por eso este documento existe. No lo escribí para sonar inteligente sobre Elon Musk — hay mil análisis de Elon Musk y casi todos son ruido. Lo escribí porque necesitaba un texto que pudiera releer una vez al mes, hasta que el algoritmo deje de ser algo que sé y se vuelva algo que soy. Quien escribe aprende dos veces, dice el refrán. Pero quien relee aprende hasta que la idea se instala lo suficientemente profundo como para dispararse sola cuando hay un cohete — o un portafolio, o una decisión — en juego.

La franqueza de Elon sobre esto es desarmante. Dice que prefiere ser direccionalmente correcto que específicamente preciso. Casi nunca acierta el timing exacto de una predicción — puede estar un año tarde, dos, a veces cinco. Pero la dirección casi siempre es correcta. Y estar direccionalmente en lo cierto, cuando te alejas lo suficiente para ver el rumbo del futuro, importa infinitamente más que acertar la fecha. Esa es una forma de pensar que cura la ansiedad de corto plazo de raíz — el zero high time preference, pensar en décadas y no en días, del que hablo hace años.

VIII. Stop Digging

Quiero cerrar volviendo al lugar donde más fácil se rompe todo esto: tu propia cabeza, un martes cualquiera, frente a la pantalla.

Conozco el patrón porque lo he visto cientos de veces, y lo he sufrido yo mismo. La acción de moda subió 40% esta semana y aparece en tres podcasts. Un amigo entró a opciones y se duplicó en un día. Hay un nuevo protocolo de DeFi, una nueva narrativa de AI, un nuevo ticker que “todavía nadie está mirando”. Y entonces aparece la urgencia: tengo que entrarle. Tengo que mover algo. Si no hago una acción nueva esta semana, me estoy quedando por fuera. La psicología lo llama shinny ball syndrome— saltar de objeto reluciente en objeto reluciente — y es la condición por defecto del inversionista retail. Nada profundo, nada pensado, todo light, todo movimiento. Y el movimiento se siente exactamente igual que el progreso. Esa es la trampa.

Pero ahora ya tienes el lenguaje para verlo por lo que es. Entrarle a una bola brillante es acelerar y automatizar sin haber pasado por los dos primeros pasos. Es comprar opciones — la herramienta más afilada y rápida que existe — sobre una tesis que nunca cuestionaste, sobre un requisito que nunca le pusiste nombre, sobre una creencia que nunca chocaste contra la realidad. Es velocidad pura aplicada a una dirección que no examinaste. Y ya sabemos qué dice Elon de eso: if you’re digging your grave, don’t dig it faster. Las opciones son la pala más rápida del mercado. La mayoría las usa para cavar más rápido.

El antídoto no es dejar de actuar. Es invertir el orden. Antes de meterle capital a la bola brillante de esta semana, córrele el algoritmo encima. Paso uno: ¿cuál es el requisito que estoy aceptando sin preguntarle el nombre? “Esta acción va a subir” — ¿quién lo dijo, y por qué le creo? Paso dos: borra. Quita la narrativa, quita el podcast, quita al amigo que se duplicó, quita el FOMO, y mira qué queda en pie cuando lo desnudas hasta el hueso. Si no queda nada, esa era toda la tesis. Paso tres y cuatro: solo entonces, si sobrevivió, optimizas la posición y aceleras. La pala viene de última, no de primera.

Lo bonito es que esto no exige que sigas la filosofía de nadie — ni la mía, ni la de 10am. El algoritmo es tuyo para correrlo donde quieras. En tu portafolio, antes del próximo trade impulsivo. En tu empresa, cuando alguien proponga la iniciativa número catorce del trimestre sin haber terminado las trece anteriores. En una junta, cuando todos asienten ante un requisito que nadie se atreve a cuestionar — sé tú el que pregunta su nombre. El operador que en una reunión dice “esperen, ¿por qué estamos haciendo esto?” parece, por un segundo, el menos sofisticado de la sala. Y es, casi siempre, el único que está pensando.

Porque esa es la distinción que abrió este documento y que lo cierra. Parecer inteligente es coleccionar bolas brillantes y mostrarlas. Pensar mejor es tener un método que te frena antes de perseguir la siguiente. Elon no optimiza para parecer inteligente, ni siquiera optimiza, en el fondo, para hacer dinero — el dinero es la consecuencia, no el objetivo. Optimiza para que el cohete llegue a órbita. Y porque tiene un norte tan claro, todas sus decisiones intermedias se ordenan solas. El inversionista que salta de bola en bola no tiene ese problema resuelto: no tiene norte, por eso cualquier luz lo atrae. La claridad del objetivo es lo que apaga el síndrome. Sin un norte que de verdad te importe, los cinco pasos son una técnica vacía y la próxima bola brillante te va a tener de nuevo.

El verdadero hardcore no es trabajar cien horas a la semana ni dormir en el piso de la fábrica — eso es la parte que sale en los titulares y la que menos importa copiar. El verdadero hardcore es la disciplina de cuestionar cada requisito heredado, de borrar hasta que algo se rompa, de chocar tus creencias contra la realidad en vez de contra tu deseo, de tratar el tiempo como lo único que no se recupera, y de repetir todo esto hasta que se vuelva instinto. Eso no requiere un coeficiente intelectual de genio. Requiere un método, y la humildad de correrlo en el orden correcto. Es lo más profundo que puedes hacer, y es justo lo contrario de lo que hace el mercado entero todos los días.

La mayoría de la gente va a seguir eligiendo la bola brillante. Es más cómoda, da dopamina más rápido, y no te obliga a descubrir las cuatro formas en que cagaste algo. Pero la física es un juez severo, y tarde o temprano cobra. El cohete llega a órbita o no llega. El portafolio compone o no compone. Y a ninguno de los dos le importa lo más mínimo cuántas bolas brillantes perseguiste en el camino, ni qué tan sofisticadas sonaban tus frases mientras lo hacías.

Yo elijo el otro juego. Por eso este documento existe, y por eso lo voy a releer el mes que viene.

Read more

I. La Dieta de Charlie Munger

Charlie Munger desayunaba peanut brittle de See’s Candies. La marca de dulces que él mismo le ayudó a comprar a Berkshire en 1972. Warren Buffett, su socio durante seis décadas, toma cinco Coca-Colas al día — empieza una en el desayuno con papas fritas de McDonald’s — y dice, sin pestañear, que un cuarto de su cuerpo es Coca-Cola. Ninguno de los dos pisó un gimnasio en su vida adulta. Ninguno de los dos contrató a un nutricionista, ni hizo ayuno intermitente, ni se midió el VO2 max, ni se inyectó un péptido.

Munger murió el 28 de noviembre de 2023. Le faltaban treinta y cuatro días para cumplir cien años. Estuvo lúcido hasta el último mes — dando entrevistas de tres horas, citando de memoria libros que había leído cuatro décadas atrás, corrigiendo cifras. Buffett tiene noventa y cinco y sigue leyendo 10-Ks. Dos hombres que violaron sistemáticamente cada regla de la industria de la longevidad, y que sin embargo terminaron — uno casi, el otro probablemente — con un siglo de vida útil y la cabeza intacta.

La industria del bienestar lo llamaría “coincidencia”. Dos genios, suerte genética, supervivencia estadística. Yo no creo en esa coincidencia. Creo que estábamos midiendo el órgano equivocado.

Munger lo dijo él mismo, con la franqueza brutal que lo caracterizaba: pasó toda su vida adulta leyendo. No leyendo earnings calls — leyendo física, biología, historia, psicología, ingeniería. Decía que nunca conoció a una persona sabia que no leyera todo el tiempo. Buffett estima que dedica el ochenta por ciento de su jornada a leer y pensar. Esa es la rutina. Esa es la dieta. No la Coca-Cola — la Coca-Cola es el ruido. La señal es que esos dos cerebros nunca dejaron de actualizar sus pesos.

Hace unas semanas leí algo de Peter Diamandis que me gusto mucho. La tesis es incómoda y es, creo, una de las cosas más importantes que un inversionista — o cualquier persona que piense vivir treinta o cincuenta años más — debería entender. Y se conecta directamente con lo que repito hace años: tu portafolio vale exactamente lo que vale tu dieta de información.

II. Tu Cerebro es el Modelo Fundacional Original

Llevamos tres años hablando de modelos de lenguaje como si fueran la cosa más extraordinaria que ha producido la ingeniería. Y lo son. Pero hay un foundation model que es anterior, más grande, y mejor — y lo tienes adentro del cráneo.

GPT-4 corre sobre aproximadamente 1.8 trillones de parámetros. Tu cerebro tiene 86 mil millones de neuronas conectadas por cien trillones de sinapsis. El LLM se pre-entrenó con todo el texto de internet; tu cerebro se pre-entrenó con cuatro mil millones de años de evolución y se fine-tunea, cada día, con tu experiencia. La arquitectura es asombrosamente paralela. El modelo de Silicon Valley predice el siguiente token. El tuyo hace predictive coding — está constantemente prediciendo lo que viene y corrigiéndose cuando se equivoca.

Pero hay una diferencia que importa más que todas las demás, y es la que define este escrito.

En un LLM, el learning rate — la velocidad a la que el modelo ajusta sus pesos cuando recibe información nueva — lo fija un ingeniero. Es un hiperparámetro. Alguien en un laboratorio decide ese número antes de entrenar. En tu cerebro, el learning rate no lo fija ningún ingeniero. Lo fija tu curiosidad.

Eso no es una metáfora bonita. Es mecánica neuroquímica, y la voy a explicar en un momento. Pero la implicación es la siguiente: el modelo de OpenAI, una vez entrenado, queda congelado hasta que los ingenieros decidan correr otra pasada. Tu modelo no tiene por qué congelarse nunca. Puede seguir entrenándose hasta el último día. La pregunta — la única pregunta — es si tú dejas que se entrene, o si lo apagas.

La mayoría de la gente lo apaga. Y lo apaga temprano. Mucho más temprano de lo que cualquiera imaginaría.

III. The System Crash

A los cinco años, antes de entrar a primaria, un niño promedio hace ciento siete preguntas por hora. Ciento siete. Es ingestión de datos a full throttle — el modelo en plena fase de pre-entrenamiento, absorbiendo el mundo sin filtro.

A los seis, después de un año de primer grado, ese número cae a 2.3 preguntas por hora. A los once, en quinto grado, llega a 0.48. Menos de una pregunta por hora.

Read more