Artículo
Hace unos días, asistí a una reunión de la universidad, y al final de la noche, cuando solo quedábamos unos pocos, les pregunté a mis antiguos compañeros de clase sobre sus metas para 2025. Uno de ellos sonrió ante la pregunta, me la devolvió, y la conversación rápidamente cambió de tema. Este pequeño momento me recordó lo natural que es para mí pensar en el futuro y establecer metas, en comparación con cómo otros pueden percibirlo.
Desde que tengo memoria, siempre he pensado a largo plazo. No es una elección deliberada ni una estrategia que haya aprendido en el camino; simplemente es la forma en que funciona mi mente. Ya sea una decisión en el trabajo, un plan financiero o metas personales, me inclino de manera natural hacia pensar en el panorama general y en lo que viene después.
Pensar a largo plazo en mi trabajo
En mi vida profesional, pensar a largo plazo no significa predecir perfectamente el futuro. Se trata de identificar las cosas que realmente importan, los proyectos y objetivos en los que quiero centrar mi energía: aquellos que tienen un valor duradero.
Por esta razón, disfruto profundamente construir equipos o replantear cómo trabajamos con los datos. Este tipo de esfuerzos requieren una visión clara del futuro y un compromiso para crear cambios que tengan un impacto tangible y duradero.
Pensar a largo plazo en finanzas
Pensar a largo plazo en las finanzas está vinculado a la forma en que he abordado el ahorro y el gasto durante toda mi vida. Ser consciente de los recursos y apartar dinero de manera constante refleja mi compromiso con construir un futuro estable. Para mí, se trata de crear hábitos alineados con la paciencia y el propósito, en lugar de perseguir recompensas a corto plazo.
Seguir leyendo
Ingresa tu correo para desbloquear este artículo y unirte al boletín. Puedes darte de baja en cualquier momento.
Resumen
Si tienes pensamientos, preguntas o comentarios, no dudes en escribirme a mail@richardgolian.com.
Más artículos
Europa no tiene capacidad para hacer frente a una guerra de drones masiva y a gran escala como la que vemos en Ucrania. La debilitan tres dependencias: China suministra el material físico de los sistemas de defensa, Estados Unidos aporta las capacidades que Europa no tiene, y veintisiete Estados no logran ponerse de acuerdo sobre con qué rapidez, ni quién paga. Existen planes de rearme, pero se ejecutan con lentitud.
La IA crea el gráfico, el newsletter y la página de producto más rápido que una persona. A quien antes lo hacía le queda una sola cosa — el criterio, saber si el resultado es bueno. Pero la mayoría tiene peor criterio que la IA. Y quien no sabe juzgar la calidad tampoco sabe delegar. ¿Cómo saber si el tuyo es el criterio en el que una empresa se apoya, o el que puede reemplazar?
En abril, en la primera parte de esta serie, escribí sobre un sistema predictivo de IA que empecé a desarrollar en mi propio ordenador. Entonces el software tenía unas pocas horas y el registro de predicciones estaba vacío. Desde entonces, los registros del sistema mostraron una cosa — el sistema todavía no entiende el mercado que se le pide predecir. Sabe encontrar el contexto macro, el valor contable de las empresas, las ganancias. Pero no sabe juntar esas cosas en algo que le ayude a entender el precio.
Praga, 13 de mayo de 2026. De camino al trabajo empecé a pensar en algo que se me quedó dentro durante días. Si en los próximos diez años desaparece la mayor parte del trabajo rutinario delante de un ordenador, y con ella desaparece buena parte del trabajo manual repetitivo, ¿qué pasa con el flujo del dinero? ¿Quién paga a quién y por qué? ¿Qué capas económicas existirán, qué tamaño tendrán y qué relaciones se establecerán entre ellas? Este es el mapa de seis capas que esbocé como respuesta.
Estoy construyendo un sistema de IA para predecir el S&P 500. Corre en mi propia máquina, usa datos públicos gratuitos — yfinance, FRED, el dataset de Shiller — y evalúa cada pronóstico contra la realidad. Esta serie documenta la construcción en sí: las decisiones, la metodología, los errores. Lo que finalmente comparta del sistema en funcionamiento es una pregunta separada, y honesta.
Ayer no podía despegarme del ordenador. Cuando levanté la cabeza, eran las ocho y media de la tarde. Llevaba unas tres horas sentado solo arriba.
¿Me quitará la IA el trabajo? Un formador certificado de Google me dijo en junio de 2024 que mi profesión dejaría de existir. Veintidós meses después, mi cargo no ha cambiado — pero el noventa por ciento de lo que hago durante el día es distinto. He delegado más de mi pensamiento a agentes de IA de lo que jamás creí posible. No tengo miedo. Esto es por qué, y qué significa para cualquiera que se haga la misma pregunta.
Una hora. Cincuenta y cinco minutos. Ese es el tiempo que me llevó construir lo que una empresa checa de software había cotizado en más de 50.000 €. Lo construí con Claude Code. Ni un prototipo. Ni una prueba de concepto. Una herramienta funcional — la que la empresa realmente necesitaba. Aquella misma tarde ya estaba corriendo en staging. Esto no va sobre Claude Code. Va sobre lo que Claude Code deja al descubierto.
He realizado aproximadamente ciento cincuenta entrevistas prácticas a lo largo de los últimos cuatro años. Cincuenta para puestos de especialista en datos. Cien para especialistas en publicidad y marketing de rendimiento. Casi todas consistieron en sentarme con un candidato frente a una tarea práctica — algo cercano a un problema real que necesitamos resolver en la empresa. Sin teoría. Sin trivialidades. Resolución aplicada de problemas. Con el tiempo, empecé a notar un patrón.
Antes de enseñarle algo a la IA, necesitas ver lo que te está ocultando.
Cuatro días en Cataluña. Sin ordenador, sin IA, casi sin redes sociales. Me compré este cuaderno para anotar lo que pensaría y lo que encontraría y aprendería durante el viaje.