Naval Ravikant en la era de IA: cuando producir se vuelve fácil, ¿qué conserva valor?

En 2018, Naval Ravikant publicó How to Get Rich (without getting lucky), un hilo sobre crear riqueza con conocimiento específico, responsabilidad, propiedad y formas de apalancamiento (recursos que permiten que una decisión produzca más resultado sin multiplicar el esfuerzo en la misma proporción) que no requieren pedir permiso. Ocho años después, la inteligencia artificial hace posible que una persona escriba código, produzca imágenes, investigue y pruebe una idea con una capacidad que antes exigía un equipo.

Parece la confirmación perfecta de su tesis. También es una razón para leerla con más cuidado.

La IA reduce el costo de producir muchas cosas. No decide automáticamente qué merece existir, quién se beneficia, qué evidencia es suficiente ni quién responde cuando algo sale mal. Si producir una versión promedio se vuelve más fácil, elegir bien el problema y sostener un estándar propio puede importar más.

La respuesta corta: la IA amplía el apalancamiento disponible para una persona, pero no garantiza riqueza, movilidad ni una ventaja duradera. La oportunidad práctica está en combinar herramientas accesibles con conocimiento real de un problema, criterio para evaluar resultados y relaciones de confianza. El acceso a tiempo, capital, conectividad, seguridad y redes sigue distribuido de manera desigual.

¿Quién es Naval Ravikant y por qué se sigue citando?

Naval Ravikant es un emprendedor e inversionista indoestadounidense. Cofundó Epinions y AngelList, una plataforma que cambió la forma en que startups, talento e inversionistas se encuentran. Su influencia en internet viene tanto de esa trayectoria como de la manera compacta en que explica ideas sobre startups, aprendizaje, libertad, riqueza y felicidad en su sitio y podcast.

Para este artículo importa por una razón más precisa: su hilo de 2018 convirtió conceptos del mundo de startups —conocimiento específico, propiedad, responsabilidad y capacidad de multiplicar el trabajo— en un marco que millones de personas empezaron a aplicar a su carrera y a sus negocios. La llegada de la IA permite revisar qué parte del marco ganó fuerza y qué parte necesita más contexto.

También conviene aclarar el libro. Naval no escribió una autobiografía ni un manual tradicional llamado The Almanack of Naval Ravikant. El libro fue creado y editado por Eric Jorgenson, quien reunió palabras de Naval tomadas de entrevistas, ensayos, podcasts y publicaciones, con su permiso. Se publicó en 2020, puede leerse gratis y tuvo material ampliado en 2025. Es probablemente la puerta de entrada más conocida a sus ideas, pero sigue siendo una curaduría de Jorgenson, no un libro escrito de principio a fin por Naval.

Primero: ¿qué quería decir Naval con riqueza?

En el hilo original, Naval distingue riqueza, dinero y estatus. Su idea de riqueza se refiere a activos que pueden producir valor sin que cada resultado dependa de vender una hora adicional de trabajo. En su explicación posterior resume esa imagen como activos que generan mientras dormís.

No es lo mismo que prometer ingresos pasivos inmediatos. Un producto digital, una empresa, una audiencia o un sistema de software puede escalar (servir a más personas sin aumentar el trabajo al mismo ritmo), pero también exige tiempo, mantenimiento, distribución y riesgo. Algunos nunca recuperan lo invertido.

El marco original reúne varias ideas:

• aprender a construir y a vender;
• cultivar conocimiento específico, difícil de enseñar como una receta;
• asumir responsabilidad visible por el trabajo;
• buscar propiedad o participación en lo que creás;
• usar capital, trabajo, código o medios para ampliar el efecto de una decisión;
• preferir juegos de largo plazo con personas confiables;
• aplicar criterio a aquello que construís.

Naval llama al código y a los medios formas de apalancamiento que no necesitan permiso: una pieza de software o contenido puede replicarse con un costo marginal bajo. Esa era una idea poderosa antes de la IA generativa. Hoy la barrera para crear la primera versión es todavía menor.

Lo que Naval dijo: código y medios permiten multiplicar una creación sin sumar trabajo humano en la misma proporción.

Nuestra lectura: la IA expande quién puede intentar construir esos activos y acelera la iteración. Eso aumenta la posibilidad de participar; no demuestra que el resultado encontrará mercado, generará ingresos o pertenecerá por completo a quien usó la herramienta.

La IA vuelve más accesible el primer intento

En febrero de 2026, Naval describió la IA como una “motocicleta para la mente”. En esa conversación explicó que las herramientas de programación permiten describir una aplicación en lenguaje natural, pedir un plan, dar feedback y construir una versión de principio a fin. Su lectura es que formular qué se quiere, probarlo y corregirlo se vuelve una parte central del trabajo.

Esto cambia el punto de entrada.

Una emprendedora puede preparar un prototipo (versión temprana para probar una idea) sin esperar meses por una implementación. Una profesional puede convertir un proceso repetitivo en una pequeña herramienta interna. Una creadora puede explorar una dirección visual antes de pagar la producción completa. Una estudiante puede pedir explicaciones distintas hasta encontrar una que le permita comprender.

Pero un primer intento barato no es un negocio terminado. Todavía quedan preguntas que un generador no resuelve por vos:

1. ¿El problema existe fuera de tu imaginación?
2. ¿La persona afectada quiere esta solución?
3. ¿Podés comprobar que funciona?
4. ¿Tenés derecho a usar los datos, imágenes o textos involucrados?
5. ¿Quién mantiene el sistema cuando cambian la herramienta o el precio?
6. ¿Cómo llega la solución a las personas que podrían adoptarla?

La IA puede ayudar a investigar y construir. La evidencia de necesidad sigue viniendo del mundo.

Del conocimiento específico al criterio específico

En 2018, el “conocimiento específico” de Naval era el saber que surge de la curiosidad, la experiencia y una combinación particular de capacidades. No era simplemente acumular credenciales ni seguir una tendencia.

En 2026, esa idea se vuelve más concreta. Si muchas personas pueden pedir una presentación, una aplicación o un plan, saber presionar el botón deja de ser una diferencia suficiente. Es la misma diferencia que exploramos al explicar qué significa realmente tener AI skills: usar una interfaz no es lo mismo que definir, verificar y mejorar trabajo. Empiezan a pesar otras capacidades:

• reconocer un problema que otras personas pasan por alto;
• aportar contexto que no existe en internet;
• distinguir una respuesta plausible de una correcta;
• explicar qué significa “bueno” para una audiencia específica;
• conectar disciplinas que rara vez conversan;
• conocer las excepciones de un proceso real;
• asumir responsabilidad por la decisión final.

Naval sostiene en su conversación sobre IA que la creatividad, el gusto y el juicio conservan importancia cuando la capacidad base se abarata. También afirma que la combinación humano más IA tendrá valor durante más tiempo que cualquiera de las dos partes aislada.

Lo que Naval dijo: cuando la IA aporta conocimiento general y capacidad de ejecución, creatividad, gusto y juicio ganan peso.

Nuestra inferencia: tu experiencia situada puede convertirse en ventaja si logra entrar al sistema como ejemplos, criterios, límites y decisiones. La IA no vuelve valioso cualquier conocimiento personal. Hace más fácil probar si ese conocimiento resuelve algo.

“Aprendé a construir y aprendé a vender” también cambia

El hilo original insiste en dominar las dos partes. La IA puede ayudar en ambas, pero no de la misma forma.

Construir puede significar hoy describir una solución, dividirla en partes, producir un prototipo, probarlo y revisar sus fallos. No exige que todas se conviertan en programadoras profesionales. Sí exige entender lo suficiente para detectar cuándo la herramienta entregó una ilusión funcional.

Vender requiere entender a una persona, explicar con claridad por qué algo le sirve, escuchar objeciones y sostener confianza después de la compra. La IA puede preparar materiales o analizar patrones; una relación no se reduce a volumen de mensajes.

La combinación útil podría verse así:

La paradoja del apalancamiento: cuando todas pueden producir más

Una herramienta accesible amplía posibilidades. También aumenta la oferta.

Si miles de personas pueden crear una landing page, un ebook o una aplicación en una tarde, la existencia del archivo deja de ser prueba de valor. La distribución, la confianza, el aprendizaje acumulado y la conexión con una necesidad concreta pueden convertirse en el cuello de botella. La lectura de Dan Koe continúa esta pregunta desde el lado de las autodidactas: cómo conectar intereses sin confundir una idea con demanda.

Naval observa que las personas que adoptan temprano una tecnología pueden tener una ventaja mientras su uso no sea general. Esa ventaja es temporal. Cuando la capacidad se distribuye, los resultados tienden a competir de nuevo por calidad, originalidad y relación con el contexto.

Todavía podés construir una propuesta propia: precisá qué problema resolvés y para quién.

Una pregunta más útil es:

¿Qué entendés de una comunidad, un oficio o un problema que te permite dirigir estas herramientas hacia un resultado mejor?

El marco tiene límites estructurales

La frase “sin depender de la suerte” es atractiva porque devuelve sensación de agencia. Tomada literalmente, oculta demasiado.

No todas las personas parten con el mismo tiempo para aprender, acceso a una computadora confiable, conexión estable, capital para experimentar, dominio del inglés, seguridad jurídica, redes profesionales o margen para equivocarse. Las responsabilidades de cuidado reducen horas disponibles. La discriminación afecta contratación, financiamiento y reconocimiento. La ubicación cambia mercados y formas de pago. Las licencias y condiciones de las plataformas pueden quitar acceso o encarecer un sistema de un día para otro.

La IA puede reducir algunas barreras: traducción, tutoría, primera versión, acceso a herramientas técnicas. También puede reproducir sesgos, concentrar dependencia en pocos proveedores y desplazar el costo hacia revisión, datos o distribución.

Por eso, convertir el marco de Naval en “si no lo lográs, no trabajaste con suficiente inteligencia” sería una mala lectura. La agencia importa. Las condiciones también.

En Pioneras proponemos diseñar un punto de entrada más justo:

• practicar con herramientas gratuitas antes de comprar;
• compartir conocimiento y casos reales en comunidad;
• construir portafolio con problemas que ya conocés;
• documentar resultados para que el aprendizaje sea portable;
• reconocer trabajo de cuidado y límites de tiempo al planear;
• evitar sistemas que exigen entregar datos sensibles para demostrar capacidad;
• crear redes donde una mujer no tenga que aprender ni negociar sola.

Una práctica: tu apalancamiento mínimo viable

No empecés preguntando cómo hacerte rica con IA. Elegí una fricción pequeña que conocés de cerca.

Podría ser preparar el reporte semanal de un emprendimiento, convertir preguntas repetidas en una guía, ordenar solicitudes de una asociación o ayudar a una profesional independiente a encontrar información en sus propios archivos.

Escribí cinco cosas:

1. Problema: qué pesa hoy y para quién.
2. Conocimiento específico: qué sabés por experiencia y qué tendrías que investigar.
3. Resultado: qué debería quedar listo.
4. Criterios: cómo sabrás si está bien.
5. Límite: qué decisión o acción no delegarás.

Después hacé una versión manual con asistencia de IA. Medí cuánto tiempo tomó, cuántas correcciones necesitó y si otra persona pudo usar el resultado. Repetí antes de automatizar.

Si funciona varias veces, documentá el proceso. Convertirlo en evidencia visible te permite mostrar cómo pensaste, qué probaste y qué aprendiste. Si querés desarrollar esa prueba como un entregable completo, seguí el método de cómo hacer un trabajo con inteligencia artificial. Solo entonces preguntá qué parte puede convertirse en un activo reusable: una plantilla, una guía, una herramienta, un taller o un sistema.

Esa secuencia conserva lo mejor de la tesis de Naval sin convertirla en una promesa:

curiosidad → conocimiento situado → prueba → criterio → sistema → distribución.

Lo que no conviene delegar

La visión optimista de Naval sobre IA descansa en que estas herramientas se adaptarán a ser útiles para las personas. En la misma conversación reconoce la posibilidad de usos maliciosos y pone el foco en quienes las dirigen.

Hay decisiones que merecen permanecer visibles:

• qué problema vale la pena resolver;
• a quién puede afectar;
• qué datos estamos autorizadas a usar;
• qué error sería inaceptable;
• cuándo parar;
• quién responde por el resultado;
• cómo se reparte el valor creado.

La IA puede multiplicar una decisión. Por eso el criterio anterior a la ejecución importa tanto como la velocidad posterior.

Una lectura posible para 2026

El hilo de 2018 decía que una persona podía construir riqueza al combinar conocimiento específico, responsabilidad, propiedad y apalancamiento. La era de IA fortalece una parte del argumento: más mujeres pueden construir, aprender y probar sin esperar permiso de cada intermediario.

También revela su límite. Cuando la producción se abarata, no todo valor se convierte en propiedad para quien produce. Las plataformas conservan reglas, los mercados conservan desigualdades y el tiempo sigue siendo finito.

Podés usar la capacidad nueva para acercar una idea propia a una prueba real, aprender más rápido y conservar agencia sobre el resultado.

Si querés ubicar esta visión dentro de la industria, seguí con nuestro mapa de las personas e instituciones que están moviendo la IA en 2026. Te ayuda a distinguir una idea personal del poder económico y técnico que puede convertirla en producto, infraestructura o política.

No hay garantía de riqueza. Sí hay una invitación concreta: desarrollar una combinación de criterio, experiencia y capacidad de construir que no dependa de fingir que ya sabés todo.

Nota editorial

Este artículo compara ideas públicas de Naval Ravikant con una interpretación editorial de Pioneras en IA. Las secciones marcadas como “nuestra lectura” o “nuestra inferencia” no son citas ni posiciones atribuidas a Naval. No es asesoría financiera, laboral o de inversión y no promete ingresos. Los ejemplos sirven para diseñar y evaluar trabajo; cualquier decisión de negocio requiere datos, costos, obligaciones y riesgos propios.

Fuentes primarias

• Naval: How to Get Rich, transcripción y explicación del hilo original de 2018.
• Hilo original en X, 31 de mayo de 2018.
• Naval: A Motorcycle for the Mind, 19 de febrero de 2026, conversación sobre IA, trabajo, aprendizaje y adopción temprana.
• Naval: A Return to Code, 28 de abril de 2026, conversación sobre programación con agentes, verificación y límites de la inteligencia desigual de los modelos.
• Naval: The AI Industrial Revolution, 1 de junio de 2026, conversación con Guillermo Rauch, Blake Scholl y Max Hodak sobre pequeñas empresas, creatividad, gusto y trabajo con IA.