9 de agosto de 2026 # Cuando se puede leer todo, la muestra sobra  En mayo del año pasado, Sergey Brin contó en el podcast All-In cuál es para él el verdadero superpoder de la IA: **hacer cosas en un volumen que él no puede**. Escala, dicho en una palabra. Y lo concretó bien. Tragarse los diez primeros resultados de una búsqueda lo puede hacer él solo, dice, tardando un poco más. Lo que no puede es tragarse [los mil primeros, lanzar búsquedas derivadas de cada uno y leérselos a fondo](https://www.searchenginejournal.com/googles-sergey-brin-says-ai-can-synthesize-top-1000-search-results/547790/). Eso para él es una semana de trabajo. Suena impresionante y es verdad, sobre todo la parte de leerlos a fondo. Pero llevado tal cual a una empresa no da para tanto, porque Internet no tiene fin: por muchos enlaces que leáis, nunca habéis leído todo, solo habéis leído *más que antes*. Esto cambia de verdad cuando dejamos de hablar de Internet y empezamos a hablar de nuestra empresa o nuestro trabajo, que sí es finito y tiene límites. ## El muestreo es una decisión de coste  Fijaos en algo que tenemos tan asumido que ya ni lo vemos. El auditor no mira todos los asientos contables de una empresa, mira una muestra pequeña y extrapola. El responsable de calidad escucha unas pocas llamadas al mes de los miles que entran. El departamento legal revisa a fondo los contratos grandes y firma miles pequeños sin leer con detalle, basándose en plantillas estándar autorellenadas. Todo eso se inventó porque leer costaba tiempo y dinero, y había que elegir. Sigue siendo una restricción económica, aunque la hayamos acabado confundiendo con un criterio: se fue escribiendo en normas y en organigramas, y a estas alturas tiene rango de metodología. Lo que cambia con los modelos de IA de ahora es el precio de mirar *una cosa más*. Leer un documento más, escuchar una llamada más o probar una opción más ya casi no cuesta nada. Y en cuanto ese precio baja tanto, la muestra deja de tener sentido, porque estaba ahí para ahorrar. ## Dónde se está haciendo ya  ### Auditorías Las grandes auditoras llevan tiempo con herramientas que leen el libro mayor entero en lugar de una muestra, GL.ai en PwC y Helix en EY, y con otras que se comen documento a documento los contratos y las facturas, como Argus en Deloitte. Lo interesante no son las herramientas. Es que la norma del PCAOB (regulador de auditores en USA) [contempla desde hace años el examen del 100%](https://pcaobus.org/oversight/standards/auditing-standards/details/AS1105) y pone como ejemplo justo el caso en que el procedimiento se puede automatizar y aplicar a toda la población. O sea que el reglamento hace tiempo que lo permite y la práctica sigue muestreando, que es lo de antes: la restricción era económica y se ha quedado de metodología. > [!info]- Qué es el PCAOB > El regulador de los auditores en Estados Unidos: Public Company Accounting Oversight Board. Lo crearon en 2002 con la ley Sarbanes-Oxley, después de Enron y WorldCom, porque hasta entonces la profesión se autorregulaba y se vio que así no funcionaba. Es una entidad privada sin ánimo de lucro, no una agencia del gobierno, pero depende de la SEC, que le nombra el consejo y le aprueba tanto las normas como el presupuesto. Se financia con una tasa que pagan las empresas cotizadas. > > Hace tres cosas: registra a las firmas que auditan cotizadas en Estados Unidos, escribe las normas de auditoría que tienen que seguir (las AS, de donde sale la AS 1105 que enlazo arriba) e inspecciona y sanciona a esas firmas. El equivalente español sería el ICAC, salvando las distancias. ### Ensayos clínicos Para meter a un paciente en un ensayo clínico hay que leerle la historia entera y comprobar treinta o cuarenta criterios. Son horas por paciente, con lo cual la mayoría no se miran nunca, aunque encajen. En Mass General Brigham (el mayor sistema hospitalario de Boston) han probado un sistema de IA que criba historias completas y [casi ha duplicado la tasa de inclusión](https://www.massgeneralbrigham.org/en/about/newsroom/press-releases/aiwithcare-mass-general-brigham-spinout-new-company) frente al cribado manual, en un ensayo con cerca de 4.500 pacientes. Es el caso más sólido que hemos visto, porque lo han medido en un ensayo aleatorizado y publicado en JAMA, y casi ninguno de estos está comprobado así. > [!info]- Qué es Mass General Brigham > El mayor sistema hospitalario de Boston y uno de los grandes de Estados Unidos. Nació en 1994 de la fusión de los dos hospitales insignia de Harvard, el Massachusetts General y el Brigham and Women's, con el nombre de Partners HealthCare; en 2019 se rebautizó con el nombre de los dos. Hoy son unas dieciséis instituciones entre hospitales académicos, hospitales de especialidad, hospitales comarcales, una red de rehabilitación y una aseguradora propia. > > Lo que hace que venga a cuento aquí no es el tamaño asistencial, es el de investigación: cerca de 2.000 millones de dólares al año y más de 3.700 ensayos clínicos en marcha a la vez. Con ese volumen, reclutar pacientes es un problema suyo de verdad y no un ejercicio de laboratorio, y por eso pesa lo que pesa que casi dupliquen la tasa de inclusión. Y por eso también se lo pueden permitir medir con un ensayo aleatorizado, que es lo que casi nadie hace. ### COBOL y la programación en los sistemas financieros Y luego está Morgan Stanley, que es el que más me interesa por cercanía. COBOL es un lenguaje de programación de 1959 que todavía está en los cajeros, nóminas y sistemas centrales de medio sector financiero. Funciona perfectamente. Lo que pasa es que la gente que lo escribió se ha jubilado y hoy nadie sabe del todo qué hace cada trozo. En enero de 2025 pusieron en marcha una herramienta suya, DevGen.AI, que lo lee y lo devuelve escrito en inglés llano, para que alguien de hoy pueda reescribirlo entendiéndolo. En los cinco primeros meses contaban [más de nueve millones de líneas leídas y unas 280.000 horas de desarrollo ahorradas](https://www.entrepreneur.com/business-news/morgan-stanley-builds-ai-tool-that-fixes-major-coding-issue/492697). Los números los dan ellos y son de hace más de un año, así que cogedlos con pinzas. Pero lo que han comprado ahí es conocimiento que la empresa había perdido y ha recuperado leyéndose su propio archivo. De los tres casos, es el único donde pasa eso. ## La pega  En las sesiones con clientes, cuando hablamos de esto de la escala y la posibilidad de mirar el 100% del contenido, siempre hay alguien de riesgos que levanta la mano: > [!cite] Ya, ¿y quién mira luego las excepciones? Y tiene toda la razón. Una excepción es cada cosa que la lectura completa saca y no sabe cerrar por su cuenta: la cláusula rara en un contrato, el asiento que no cuadra, la llamada en la que alguien prometió algo que no tocaba. Antes salían pocas porque se miraba poco. Ahora salen todas de golpe, y esto puede ser más un problema que una ventaja: leerlas cuesta cero, pero decidir qué se hace con cada una cuesta lo mismo que ha costado siempre. Ese precio no ha bajado. Mirarlo todo produce una montaña de cosas que alguien tiene que juzgar después. Y hay otra: los modelos a veces se dejan justo lo que hacía falta, con lo cual esa cobertura del 100% puede ser un poco de mentira. En seguridad ya está pasando: se encuentran fallos [mucho más rápido de lo que se pueden arreglar](https://www.scworld.com/news/ai-is-overwhelming-patch-management-heres-how-teams-adapt). Esto ya lo habíamos contado aplicado a otra cosa en [[Posts/2026.06/11-El-cuello-de-botella-siempre-se-muda|el cuello de botella siempre se mueve]]: cada vez que aceleras una fase, conviertes a la siguiente en el freno. ## "No lo sabíamos"  Nada de lo anterior se arregla, que quede claro. La montaña de excepciones sigue ahí, y la cobertura del 100% sigue siendo menos redonda de lo que suena. Aun así, hay otra parte que a mí me da bastante más vueltas. Mientras leer costaba dinero, "no lo sabíamos" era una respuesta razonable a casi todo. Nadie podía exigirnos que hubiéramos leído cuarenta mil contratos. Ahora se puede, y por bastante poco dinero. Eso tiene una cara de riesgo evidente, pero yo creo que la otra pesa más: por primera vez podéis preguntarle cosas a vuestra propia casa que nunca han tenido respuesta. Qué habéis firmado de verdad en los últimos veinte años. Qué se repite en las llamadas que no escucha nadie. Qué conocimiento se ha perdido con la gente que se ha jubilado. Y de ahí sale un giro que me gusta mucho. Una compañía con treinta años de contratos, expedientes, incidencias y código guarda todo eso por obligación, no porque le sirva para algo. Con el coste de leer por los suelos, ese archivo deja de ser un gasto de almacenamiento y pasa a ser lo único que un competidor no os puede comprar. El archivo de treinta años pasa a ser una fuente de información explotable. Yo tengo carpetas de 2011 en OneDrive que no he vuelto a abrir jamás y que ahora resulta que son un activo estratégico. En fin. ## Antes de decir que sí  Tres cosas antes de poneros a leerlo todo. Las dos primeras se ven venir, y la tercera es la que se salta casi todo el mundo. La primera es que sepáis cuántas cosas hay que leer: doce mil contratos, las cuarenta mil llamadas del año pasado, cuatro millones de líneas de código. Si podéis decir el número, tenéis algo que se puede leer entero y saber cuándo habéis terminado. Si no podéis decirlo, lo que tenéis es un tema, y un tema no se acaba nunca. Por eso Internet no sirve: nadie sabe cuánto hay. La segunda es que cada resultado se pueda comprobar rápido y barato. En Morgan Stanley es fácil: el código compila o no compila. Con los criterios de un ensayo clínico, igual. Donde no hay una comprobación así de tonta, y no la hay cuando lo que pedís es una valoración o una recomendación, leerlo todo os devuelve muchísimas cosas que mirar y ninguna certeza más. Ahí yo iría con mucho cuidado. La tercera es quién se ocupa de lo que salga. Leerlo todo devuelve excepciones, cosas que hay que arreglar. Y ya hemos visto que no se arreglan solas: alguien tiene que mirarlas, decidir y hacer el trabajo. Si eso no está en la agenda de nadie, lo que habéis comprado es una lista larga que no va a abrir nadie. Y encima ya no podréis decir que no lo sabíais. Si las tres están claras, empezad pequeño. Un lote acotado y aburrido: los contratos de un solo proveedor de los últimos cinco años, o las llamadas de un mes de una sola cola. Unos miles de documentos, no un millón. Eso sale hoy por unos cientos de euros y una tarde de alguien montándolo, y ya os dice si merece la pena ir a por el archivo entero. Lo que sigue dándome vueltas es lo otro. Llevamos décadas decidiendo qué mirar porque no se podía mirar todo, y ahora resulta que sí se puede. Todavía no sé bien qué vamos a preguntarnos cuando nos acostumbremos a eso. --- Publicado el 9 de agosto de 2026, [LinkedIn](https://www.linkedin.com/pulse/cuando-se-puede-leer-todo-la-muestra-sobra-david-hurtado-tor%25C3%25A1n-e3fwe), [Substack](https://davidhurtado.substack.com/p/cuando-se-puede-leer-todo-la-muestra?r=4uyjfg&utm_campaign=post&utm_medium=web&showWelcomeOnShare=true), [X](https://x.com/dhtoran/status/2086384881181798698?s=20)