En la Era de la IA, la Capacidad Más Importante No Es Técnica

Hugging Face tiene 250 empleados.

Aloja más de 3 millones de modelos, datasets y aplicaciones de IA. Cada 10 segundos se agrega uno nuevo. Atiende a más de 5 millones de usuarios diarios. En agosto de 2024, con 220 personas en plantilla, la compañía alcanzó la rentabilidad mientras mantenía gratis la mayor parte de su plataforma.

Para dimensionarlo: esa nómina es menor que la red de sucursales bancarias de cualquier ciudad mediana. Menor que el equipo de ingeniería de la mayoría de los SaaS en Serie B. Menor que la división de IA de una sola empresa Fortune 500.

¿Cómo? La mayor parte de las respuestas que buscan los líderes son técnicas—mejores modelos, infraestructura más inteligente, cómputo más rápido. La respuesta real, recogida en los casos de Harvard Business School sobre Hugging Face, está más cerca de lo opuesto. La compañía construyó una organización que trata el apalancamiento individual como el producto, no la nómina.

Tres cosas destacan.

El organigrama no está organizado por función

La mayoría de las empresas se organizan por función: ingeniería, marketing, ventas, operaciones. Hugging Face se organiza alrededor de tres focos—ingreso, visibilidad y uso. Lysandre Debut, líder de open-source de la compañía, explicó la división: “El equipo de negocio está enfocado en ingreso. El equipo de ciencia está enfocado en visibilidad. Y el equipo de open-source está enfocado en uso.”

El punto no son las etiquetas. Es que ningún equipo es responsable de una capacidad interna. Cada equipo es dueño de un resultado externo.

En la práctica, el trabajo que en una compañía comparable estaría en finanzas, marketing o recursos humanos se hace como parte del trabajo de un generalista. El CEO Clément Delangue lo puso así: “No tenemos a nadie enfocado específicamente en marketing tiempo completo, así que le decimos hasta a nuestro investigador o desarrollador más especializado: ’el marketing es tu responsabilidad tanto como todo lo demás’.”

Para la mayoría de las empresas, eso es una herejía. Marketing es un departamento. Ventas también. La IA también. La contraposición de Hugging Face: cada uno de esos, tratado como departamento, se vuelve cuello de botella para todo lo demás. Tratado como responsabilidad compartida, multiplica.

La contratación está descentralizada en quienes van a trabajar con la persona contratada

En la mayoría de las empresas, contratar está centralizado en recursos humanos. Se definen los puestos, se abren las requisiciones, se filtra a los candidatos. Para cuando el futuro compañero conoce al contratante, la decisión ya está tomada al 80 por ciento.

Hugging Face hace lo opuesto. Debut describió el enfoque: “Si un miembro del equipo tiene a alguien con quien realmente quiere trabajar, estamos felices de contratarlo. Si hay alguien que de verdad parece una buena contratación, nunca vamos a dejarlo pasar. Así que aunque no estemos contratando activamente, sigo revisando a todos los candidatos básicamente todos los días.”

El resultado es un pipeline impulsado por confianza ya construida en el trabajo, no por ajuste a una descripción de puesto. Muchas contrataciones vienen de la comunidad open-source—personas con cuyo trabajo el equipo ya colaboró durante meses o años antes de cualquier conversación de recursos humanos.

Para una compañía que trabaja en IA, esto importa más de lo usual. El campo se mueve tan rápido que una descripción de puesto escrita hoy ya está desactualizada cuando se llena la posición. La única manera de mantenerse al día es hacer de la contratación una actividad permanente, conducida por quienes van a hacer el trabajo, sobre personas cuyo trabajo ya conocen.

Haber fracasado es un criterio de contratación

Hugging Face favorece explícitamente a empleados que hayan liderado proyectos fallidos. El cofundador Thomas Wolf lo dijo directo: “Cuando un empleado ha fallado en un proyecto, sentimos que se puede confiar más en él, porque es mejor identificando productos que fracasan o que funcionan—desarrolla una intuición que alguien al que todo le ha salido bien suele no tener.”

Tomar el fracaso como señal positiva en contratación invierte cómo la mayoría de las empresas evalúa talento de IA. El sesgo de selección en la mayoría de las compañías—contratar al consultor o director con la presentación impecable—produce líderes que no han corrido un experimento real en años. El sesgo de Hugging Face produce lo opuesto: gente que ha lanzado, ha visto fallar el lanzamiento, y aprendió a leer las señales tempranas.

Cuál es la lección, y cuál no

La lección no es copiar a Hugging Face. La compañía está parada sobre una comunidad global de contribuidores voluntarios de open-source que la mayoría de las empresas no tiene y no puede crear. Omar Sanseviero, líder de ingeniería de machine learning de la compañía, nombró el multiplicador directamente: “Una superpotencia de la estructura de la compañía es que cada empleado puede tener el impacto de cinco o diez personas porque puede apalancarse en un equipo de voluntarios.”

La mayoría de las empresas no tienen ese apalancamiento. Copiar la estructura sin el apalancamiento produce una organización plana sin nadie a cargo.

La lección es la pregunta de fondo. En tu organización, ¿cuál es el apalancamiento que tiene una sola persona sobre el trabajo que más importa? Si la respuesta es “espera una junta, pide permiso, le pasa el caso a ingeniería, y revisa en el siguiente sprint,” la estructura es la restricción, no el talento.

La mayoría de las conversaciones sobre “estrategia de IA” en 2026 son sobre qué modelo licenciar, qué plataforma integrar, qué proveedor traer. El caso Hugging Face sugiere que la pregunta que determina si la IA compone dentro de una compañía no es una pregunta de herramientas. Es si la organización permite que los contribuidores individuales lancen trabajo que llega al cliente sin tres capas de aprobación.

La plataforma de IA más usada del mundo respondió esa pregunta con una apuesta de 250 personas. Quien reconstruya su organización alrededor de la misma pregunta—con o sin contribuidores open-source—se queda con al menos parte del apalancamiento.