¿El futuro es de los generalistas o especialistas? - Daniel Rodriguez

Contenido del curso

Expert

Builders

Entrevistas

Ignites

Demoday

Cursos Empresas Blog Live Conf Eventos Precios

0:0021:16

¿El futuro es de los generalistas o especialistas? - Daniel Rodriguez

Platzi Conf 2026 Bogotá

Clase 14 de 32

Clase 14 / 32

Recursos

¿El futuro pertenece a los generalistas o a los especialistas? En la era post-IA esa pregunta cambia de forma radical, y entender dónde pararte en ese espectro puede definir tu carrera. Daniel, technical product manager en NVIDIA de las librerías de CUDA Python, propone un marco práctico para generar valor real cuando producir código dejó de ser el problema.

La idea central es incómoda pero honesta: producir el doble de output no significa producir el doble de valor. En el software esa ecuación simplemente no aplica.

¿Cambia la IA la ecuación entre generalista y especialista?

Antes de la IA, los especialistas tenían mejor fama. Sonaba más impresionante presentarse como alguien que llevaba 15 años haciendo research del cáncer que como un médico que sabía de muchas áreas sin dominar ninguna a fondo.

Pero nadie es 100% generalista ni 100% especialista. Existe un espectro, y hoy la IA lo está moviendo todo. Incluso Git, ese sistema de control de versiones que parecía eterno, empieza a cambiar con la llegada de los agentes [04:20].

Hoy cualquiera puede entrar a un dominio nuevo, pedirle a un agente un prototipo o un análisis, y obtener resultados plausibles: código bien escrito, documentos correctos, análisis de datos válidos. El problema es que sin profundidad suficiente, ese material no genera ningún valor.

¿Producir más código genera más valor? No. En el software, a veces producir más es menos. El doble de assets puede rendir 100x, 1x o incluso restar. La abundancia de output no equivale a impacto.

Daniel lo resume con una tensión clara: un generalista sin profundidad produce respuestas genéricas, y un especialista sin contexto optimiza lo que no importa. A él le pasa: como generalista en un equipo de expertos en GPUs, a veces genera benchmarks que sus ingenieros descartan en segundos porque no entendió lo suficiente la capa baja del stack. Y sus especialistas pueden pasar semanas optimizando un algoritmo que solo le importa a dos personas de la comunidad de biología.

¿Cómo generar valor con el framework de conectar, construir y lanzar?

La propuesta para pararte en el punto correcto de la curva tiene tres movimientos que debes hacer tú mismo, no delegar.

Conectar tecnologías y perspectivas.
Construir con profundidad y herramientas técnicas.
Lanzar algo que genere valor, es decir, shippear.

Daniel insiste en un detalle: esconderse detrás de las fronteras de un cargo ya no funciona, porque producir assets se volvió barato [17:00]. El PM que dice "mi equipo de ingeniería construye" quedó obsoleto.

¿Por qué conectar tecnologías amplía tus oportunidades?

Su carrera pasó por ingeniería, preventa, developer relations y marketing. Esa variedad se volvió su fortaleza en equipos que solo miran ingeniería.

En tecnologías fue igual: empezó con ActionScript en Flash, saltó a PHP y WordPress, luego a Django en back-end y algo de jQuery en front-end. Ese poquito de jQuery le consiguió su primer internship en Estados Unidos gracias a un mapa interactivo, y eso le permitió quedarse [12:40].

Pero conectar sin dirección no sirve. Necesitas un centro de gravedad. El suyo es data science, machine learning y AI. No hay tiempo infinito para aprenderlo todo, así que la amplitud necesita un foco.

¿Qué significa bajar una capa en el stack?

Aquí está el consejo más filoso: si sabes programar, no uses la IA como si no supieras programar.

El prompting te deja pedir cosas y recibir resultados. Pero programar es controlar y crear sistemas que resuelven problemas complejos de forma reproducible. Cuando todo el mundo puede pedirle código a Codex, ese código pierde valor.

¿Qué controlas cuando programas de verdad con IA? Todo: cuándo se ejecuta, qué contexto recibe el agente, qué herramientas usa, en qué orden pasan los pasos y dónde se guardan los resultados. Eso convierte una petición suelta en un sistema confiable.

Daniel construyó un sistema propio, recreado unas 20 veces en año y medio, siempre con IA en el centro. Se conecta a repos de GitHub, a bases de datos que se actualizan solas y a Google Sheets, con una característica clave: auditabilidad perfecta. Puede hacer clic en una celda y ver por qué se hizo un cambio, qué pensó el sistema y por qué un issue de GitHub es relevante para él [22:40].

Para sus benchmarks usa durable execution, un concepto para hacer los jobs más reliable y no depender de un Chrome interno. Bajar una capa abre posibilidades que no son visibles desde ninguna interfaz, sea un UI o un CLI.

¿Por qué shippear es más difícil que construir?

Lanzar es lo más importante y lo más raro. El estado por defecto de un proyecto es no salir. Los proyectos salen porque alguien pensó intensamente qué significa shippear y se esforzó para que sucediera.

Daniel comparte tres ejemplos con definiciones distintas de éxito.

Fracaso en Google: en dos años conectó y construyó (Kubernetes, dashboards, sentiment analysis, un CLI para el Google Ads API), pero nada salió al público. Le faltó conectar con lo que quería el leadership y meterle pasión para defenderlo. Si hubiera lanzado algo más pequeño, habría sido un éxito [30:10].
Éxito con lapalabradeldia.com: su adaptación de Wordle en español, hecha con React en Next.js sobre Vercel, explotó en popularidad y le costó varios miles de dólares antes de optimizar. Aquí shippear significó generar dinero.
Éxito en NVIDIA: su meta es que librerías de alto nivel como PyTorch, vLLM y SGLang usen sus librerías de bajo nivel. Si eso pasa, se descargan millones de veces y demuestra su impacto [36:00].

El mensaje: crear assets no es lo mismo que tener éxito. La visibilidad tampoco es vanidad; hay que asegurarse de que directores y VPs vean el trabajo.

¿Por qué la abundancia de IA aumenta el valor de ser excelente? Porque cuando todos pueden crear apps de React, diferenciarse exige excelencia. La comoditización ya existía: del PlayStation 1 salían entre 60 y 90 juegos al mes y solo recordamos Metal Gear, Final Fantasy y Crash.

El AI slop, las propiedades derivadas y el clon del clon del clon no le interesan a nadie. Solo los productos que responden a una necesidad real generan valor. Abaratar la producción no resuelve la creatividad.

Conectar amplía tu conocimiento, construir te vuelve especialista al bajar en el stack, y lanzar convierte todo eso en algo que existe en el mundo. ¿Qué significaría para ti shippear algo esta semana? Cuéntalo en los comentarios.

Expert

Manifiesto

Estado de Platzi: Nuevos Lanzamientos - Team Platzi

Lo que AI nunca podrá remplazar - Luis Ronca

El lado oscuro de la inteligencia artificial - Pirry

Construye una startup que no se quiebre con el éxito - Myriam Cosío

How GPUs are Accelerating Science - Katrina Riehl

¿Y si todo sale bien con AI? - Freddy Vega

Desarollando gusto para el futuro del diseño - Catalina Lotero

Tu futuro no se puede automatizar - Rodrigo Rojo

Cómo educamos en tecnología a un millón de Salvadoreños - Secretario de Innovacion de El Salvador

El miedo te robará tus mejores oportunidades - Carolina García G.

Construye con AWS sin preocuparte de la factura - Nelly Andrade

Introducción a Ciencia de datos en GPUs - Naty Clementi

¿El futuro es de los generalistas o especialistas? - Daniel Rodriguez

Builders

Ser estudiante en Platzi: 11 años después - Erasmo Hernández

Cómo Platzi escaló la educación con Al - Estefany Salas

¿Qué significa ser developer hoy en día? - Ana Cunha AWS

Send money as easy as an email - Ioana Chiorean

Por qué AI te exige pensar más tu ingeniería - Javier Guignard

Deja de crear contenido basura (AI-Slop) - Mael Vallejo

Cómo saber si AI te está mintiendo - Raúl Aguilar

Cómo crear un "chatbot" que tu cliente no odie - Edu Piña

Entrevistas

Cómo Rappi y Simetrik escalan el aprendizaje interno

Antártida y espacio: los bienes comunes de la humanidad

Ignites

Lo que me pasó despues de cerrar redes sociales - Roberto Zuñiga

Software autorregenerativo: la lección de la salamandra

La curiosidad me dio un mejor empleo - Jose Peinado

La psicología detrás de tus decisiones - Jaime Tello

El código que el vibe coding no puede arreglar - Willmer Garzon

¿Realmente necesitas AI para todo? - Mariangélica Useche

Demoday

Qué preguntan los jueces en un Demo Day de startups

Cómo Tinkadia ganó con inclusión e IA

¿El futuro es de los generalistas o especialistas? - Daniel Rodriguez