Miguel Angel Saez

6.8K posts

Miguel Angel Saez banner
Miguel Angel Saez

Miguel Angel Saez

@masaez

Building https://t.co/XEbYY2xhGy a Data Platform for Economic & Financial teams. - Everyone is an alien somewhere. Let's talk about #autism.

Buenos Aires Katılım Nisan 2008
743 Takip Edilen1.8K Takipçiler
Miguel Angel Saez retweetledi
Luciano Cohan
Luciano Cohan@LucianoCohan·
Disclaimer. No tengo ni idea de qué va a pasar. Ninguna. Ni siquiera sé bien qué opino: si soy optimista o no. No es falsa modestia. Simplemente hay demasiadas piezas móviles. Lo mejor que tengo al alcance es tratar de hacerme preguntas para, al menos, tener un marco para pensar el problema. Levanto el guante con algo que me dijeron en el post anterior: el impacto de la AI será único porque el cambio tecnológico es muchísimo más rápido. Difícil negar esa intuición. La tecnología se difunde a una velocidad sin precedentes. La electricidad tardó décadas en transformar las economías. Internet tardó veinte años en volverse global. ChatGPT llegó a cien millones de usuarios en unos meses. La sensación de vértigo es real. Ahora bien, la ecuación tiene dos partes: la velocidad de adaptación de las sociedades también es mayor que nunca. Hace un tiempo hice este cursito de historia de la modernidad - que recomiendo fuerte (coursera.org/learn/modern-w…) - que transmite una idea interesante: antes de la era industrial, las sociedades eran más estables, pero las vidas individuales más frágiles y caóticas. La revolución industrial invirtió esa relación. Durante siglos la estructura económica y social cambió muy lentamente. Las personas trabajaban en agricultura, artesanías o comercio local. La tecnología evolucionaba, pero despacio. Cada generación vivía en un mundo bastante parecido al de sus abuelos. Esa estabilidad convivía con vidas inestables. Hambrunas, epidemias, guerras frecuentes y una mortalidad altísima. A comienzos del siglo XIX la esperanza de vida rondaba los 30 años. Hoy supera los 70. Un mal año agrícola podía destruir una familia entera. La sociedad era estable, pero las vidas individuales no. La modernidad industrial cambia esa relación. Las economías se transforman constantemente: nuevas industrias, otras desaparecen, las tecnologías se renuevan. Cada generación termina teniendo su propio nombre. Pero al mismo tiempo las vidas individuales se vuelven más estables. La esperanza de vida se multiplica, la mortalidad infantil cae y la mayoría de las personas puede esperar vivir varias décadas más que cualquier generación anterior. El mundo de la revolución industrial tenía poca capacidad estructural para adaptarse. En 1820 solo el 12% de la población mundial sabía leer. Hoy esa cifra está cerca del 87%. El trabajador promedio del siglo XIX tenía muy poca educación formal y hoy suele tener al menos educación secundaria. También las economías demostraron enorme capacidad para reasignar trabajo. Durante siglos las personas trabajaban en unas pocas actividades —agricultura, oficios artesanales, comercio básico—. Hoy las economías modernas están distribuidas entre miles de ocupaciones distintas. Un dato para dimensionarlo: en 1800 alrededor del 70–80% del empleo en Estados Unidos estaba en agricultura. Hoy es menos del 2%. Además, la información hoy circula casi instantáneamente, mientras que en el siglo XIX podía tardar semanas o meses en difundirse. La movilidad es también incomparablemente mayor: millones de personas cambian de ciudad, de sector o de ocupación a lo largo de su vida. Incluso en condiciones normales, en las economías modernas alrededor de uno de cada diez trabajadores cambia de empleador cada año, lo que muestra hasta qué punto la reasignación del trabajo es una característica permanente del sistema. Hoy las economías cambian más rápido, pero las sociedades también cuentan con muchas más herramientas para absorber esos cambios: más educación, más información, más movilidad y una diversidad económica mucho mayor. Tal vez por eso la pregunta más útil hoy no sea si el cambio va a ser rápido —probablemente lo será— sino si nuestra capacidad de adaptación colectiva seguirá creciendo al mismo ritmo que la tecnología. Y si ese es el desafío, la cuestión importante no es adivinar el futuro, sino preparar a nuestras sociedades para adaptarse.
Luciano Cohan@LucianoCohan

Hay una discusión ya conocida sobre la IA. Es el gráfico de Anthropic mostrando trabajos que van a desaparecer. Es la discusión schumpeteriana de siempre: la innovación destruye y construye. Algunos miran lo que se pierde y sienten miedo. Otros miran la historia y recuerdan que el progreso creó más prosperidad de la que eliminó. La visión de cada uno depende de cuánto peso le dé a una u otra. Hay otra pregunta más inquietante: ¿Cómo se va a adaptar la sociedad global a que cada vez hará falta menos trabajo humano para producir? Esa es, en el fondo, la dirección de la historia moderna. Haciendo abstracción de lo concreto —qué sube, cuál baja— aparece una regularidad histórica clara: desde el comienzo de la revolución industrial la humanidad no solo produce más, sino que también trabaja menos. Hace un siglo y medio, en las economías industrializadas - para las cuales hay datos - era normal trabajar más de 3.000 horas al año, o unas 60–70 horas por semana. Hoy el promedio está más cerca de 1.500–1.700 horas anuales, la mitad. En la Francia de las sobremesas eternas, las horas trabajadas pasaron de 3.100/año en el siglo XIX a alrededor de 1.400. Con menos datos, las tendencias del mundo en desarrollo son parecidas. Detrás de estos números aparecen instituciones que damos por obvias: jornada de 8 horas, semana de 5 días, vacaciones pagas o jubilaciones. Ese proceso vino acompañado de cambios sociales igualmente profundos. La educación se generalizó y los jóvenes entran al mercado laboral cada vez más tarde. La esperanza de vida creció y la jubilación es una etapa más larga de la vida. Visto en perspectiva, la historia del progreso humano es la conquista del tiempo no trabajado. Ese tiempo se transformó en educación, descanso, ocio, vida familiar y actividades históricamente reservadas para una élite. Si esa tendencia continúa —y la AI parece apuntar precisamente en esa dirección—, la pregunta central para nuestras sociedades ya no será cuánto debemos trabajar para producir lo suficiente. Será que hacemos con el tiempo que logramos liberar. No tengo la menor idea de cómo será esta transición. La historia tecnológica no es lineal ni necesariamente benigna. La misma revolución tecnológica del siglo XIX que ayudó a crear la prosperidad hizo posibles los totalitarismos del siglo XX. La IA puede expandir el acceso al conocimiento y liberar tiempo, pero también ampliar de forma inédita la capacidad de vigilancia y control. La tecnología amplifica capacidades, pero no trae consigo una brújula moral. Por eso tal vez la pregunta central no sea si la IA va a destruir o crear trabajo. Seguramente hará ambas cosas. La cuestión más importante es si vamos a ser capaces de construir instituciones y acuerdos sociales a la altura de una nueva abundancia.

Español
5
20
129
37.3K
Miguel Angel Saez retweetledi
Luciano Cohan
Luciano Cohan@LucianoCohan·
Volví de vacaciones el 3 de febrero y el 5 salió Opus 4.6 de Claude. Desde entonces pierdo el sueño - a veces literal, a veces figurado - con una sola pregunta: ¿cómo mantenerse relevante en la era de la IA, cuando cada vez más se puede hacer in-house? La pregunta no es solo para startups. Es para consultores, equipos internos, proveedores de IT o cualquiera que esté tratando de entender cómo seguir aportando valor. Nadie tiene aún el manual. Clientes, proveedores, founders y analistas estamos experimentando, probando herramientas y cambiando nuestra forma de trabajar mientras tratamos de surfear el mismo tsunami. Hoy el mundo se divide, más o menos, en tres grupos: los que ya cambiaron su forma de trabajar con AI; los que quieren pero todavía no tuvieron tiempo; y los que todavía no saben que quieren. No hay un cuarto grupo. Lo primero, creo, es aceptar que no tiene sentido luchar contra el cambio. La AI es un proceso de destrucción creativa schumpeteriana en tiempo real: una amenaza para los que se quedan quietos y una oportunidad para los que se mueven rápido. En @Alphacast_ sentimos que quedamos parados en un lugar bastante particular dentro de ese cambio. Mientras muchas cosas se vuelven más fáciles con AI, algunos problemas siguen donde estaban. El primero es que el mundo de los datos sigue siendo sucio, ruidoso e inestable. Las fuentes cambian, las conexiones se rompen, los formatos mutan. Después de más de una década trabajando en ordenar datos, sentimos que se abre una oportunidad: construir una base donde cualquier AI pueda conectarse a datos vivos, curados y mantenidos en el tiempo. El segundo es la infraestructura. Mantener procesos corriendo sigue siendo un pain enorme, especialmente en equipos chicos —y en los grandes suele implicar procesos largos con IT. Hoy podés analizar datos conversando con Claude o ChatGPT, escribir código y transformar datasets. Pero cuando terminás, aparece la pregunta incómoda: ¿dónde vive ese proceso? ¿Dónde corre todos los días? Cada vez vemos más gente trabajando sus datos directamente en AI, que luego necesitando un lugar donde esos pipelines puedan vivir y ejecutarse ---> @Alphacast_ El tercer problema es más simple pero igual de real: ¿dónde veo las cosas? La AI es muy poderosa para generar texto y análisis, pero el trabajo cotidiano sigue necesitando gráficos, dashboards y visualización. Un lugar donde entrar todos los días, ver la información viva y compartirla con el equipo --> Alphacast La AI puede terminar siendo más disruptiva para organizaciones grandes que para equipos chicos. Las estructuras pesadas tardan en adaptarse; los equipos ágiles pueden reorganizar su forma de trabajar mucho más rápido. Por eso estamos intentando que @alphacast_ se convierta en algo simple: una herramienta —y también un equipo— para quienes están tratando de reconstruir sus procesos de datos en esta nueva era AI-native.
Español
4
15
136
23.1K
Miguel Angel Saez retweetledi
Alphacast.io
Alphacast.io@Alphacast_·
In this brief tutorial, we demonstrate how Alphacast converts documents into an AI-powered knowledge base. You’ll see how to upload PDFs, reports, and presentations — not just structured datasets — and turn them into searchable, contextual knowledge.
English
0
3
7
11K
Miguel Angel Saez retweetledi
Luciano Cohan
Luciano Cohan@LucianoCohan·
En 2007 el gobierno argentino intervino las estadísticas oficiales. Yo tenía 24 años y en esa época escribía un blog mientras me metía en el mundo del análisis macroeconómico. Un par de años después, ya trabajando como consultor full time, se me ocurrió algo: ¿por qué no levantar precios de la web para calcular la inflación? Lo hacía @albertocavallo en Pricestats y creía poder replicarlo. Sabía programar un poco, los datos estaban ahí, era simplemente intentarlo. Armé la primera versión con lo que tenía a mano: Excel, VBA y un browser embebido dentro del propio Excel. Todo muy rústico pero funcionaba. Ese sistema terminó creciendo hasta tener cinco máquinas scrapeando en paralelo. Un delirio. Todavía no sabía Python. Largué la primera versión pública en febrero de 2013 medio cagado en las patas. Era la época en la que el gobierno hacía causas judiciales a los que medían inflación. Yo era pichi y volaba por debajo del radar. Nunca tuve problemas. Con los años el problema dejó de ser calcular la inflación y pasó a ser mantener el sistema vivo. Empecé a administrar cientos de fuentes en paralelo, un proceso que involucraba a argentinos, ucranianos y chinos trabajando en los datos. En 2015 asume Macri y arranca la reconstrucción estadística. Todos los viernes empecé a recibir llamados de @fedesturze , entonces presidente del Banco Central, preguntándome cuánto me había dado. Imagínense lo que era para ese treintañero. Dos años después terminaría de subsecretario macro en esa misma administración. Pasaron los años y mucha agua bajo el puente y en plena pandemia, con @masaez empezamos a cranear lo que sería @Alphacast_ . Migue, que codea en serio y no como yo que soy economista detenido programador, agarró ese sistema y lo graduó con honores. El negocio de medir inflación siguió existiendo, pero nunca fue realmente el destino final. Lo que empezó como un scraper de Coto y Jumbo terminó convirtiéndose en algo distinto: una infraestructura de datos. Scrapear se volvió relativamente fácil con el tiempo. Lo difícil era otra cosa: mantener vivas las conexiones. Sostener 10.000 datasets es un problema completamente distinto a 10 mil veces scraper un Coto. Hoy este sistema está en el corazón de la propuesta de @Alphacast_ . Podemos conectarnos a prácticamente cualquier fuente —PDFs, Excels, Tablas, formularios, APIs, bases internas— y mantener esas conexiones funcionando en el tiempo. Si en tu equipo perdés tiempo manteniendo bases, arreglando pipelines o persiguiendo datos rotos, probablemente tengas el mismo problema que yo tenía… solo que a otra escala. Escribime.
Español
19
54
395
52K
Luciano Cohan
Luciano Cohan@LucianoCohan·
Last quarter I rolled out @Alphacast_ to 25 people. Not the whole company. Just the 25 who actually touch data. $0 in wasted licenses. A new internal record. I called it “AI-powered data automation.” The board heard “AI” and approved it in four minutes. Three of those were spent finding the Zoom unmute button. No one asked what Alphacast actually does. So I said: “It automates all the data work we keep pretending is strategic.” Silence. Respectful silence. Two weeks later I checked usage. All 25 were active. Daily. We’ve never had 100% adoption of anything. Not even our email signatures. Finance asked for ROI. I showed them a dashboard built in Alphacast, powered by real pipelines. They thought it was a mockup. It wasn’t. Research automated their weekly reports. Sales embedded dashboards for clients. Clients said “wow.” We pretended that had been the plan from day one. The CEO posted on LinkedIn: “We embraced AI to supercharge productivity.” He’s never logged in. But he liked the demo video. Now our investor deck says we “reduced data friction by 90%.” That number isn’t made up. We actually measured it. This quarter I’m requesting more seats. Not because no one used the first batch. But because everyone did. For the first time ever… the success story is real.
Peter Girnus 🦅@gothburz

Last quarter I rolled out Microsoft Copilot to 4,000 employees. $30 per seat per month. $1.4 million annually. I called it "digital transformation." The board loved that phrase. They approved it in eleven minutes. No one asked what it would actually do. Including me. I told everyone it would "10x productivity." That's not a real number. But it sounds like one. HR asked how we'd measure the 10x. I said we'd "leverage analytics dashboards." They stopped asking. Three months later I checked the usage reports. 47 people had opened it. 12 had used it more than once. One of them was me. I used it to summarize an email I could have read in 30 seconds. It took 45 seconds. Plus the time it took to fix the hallucinations. But I called it a "pilot success." Success means the pilot didn't visibly fail. The CFO asked about ROI. I showed him a graph. The graph went up and to the right. It measured "AI enablement." I made that metric up. He nodded approvingly. We're "AI-enabled" now. I don't know what that means. But it's in our investor deck. A senior developer asked why we didn't use Claude or ChatGPT. I said we needed "enterprise-grade security." He asked what that meant. I said "compliance." He asked which compliance. I said "all of them." He looked skeptical. I scheduled him for a "career development conversation." He stopped asking questions. Microsoft sent a case study team. They wanted to feature us as a success story. I told them we "saved 40,000 hours." I calculated that number by multiplying employees by a number I made up. They didn't verify it. They never do. Now we're on Microsoft's website. "Global enterprise achieves 40,000 hours of productivity gains with Copilot." The CEO shared it on LinkedIn. He got 3,000 likes. He's never used Copilot. None of the executives have. We have an exemption. "Strategic focus requires minimal digital distraction." I wrote that policy. The licenses renew next month. I'm requesting an expansion. 5,000 more seats. We haven't used the first 4,000. But this time we'll "drive adoption." Adoption means mandatory training. Training means a 45-minute webinar no one watches. But completion will be tracked. Completion is a metric. Metrics go in dashboards. Dashboards go in board presentations. Board presentations get me promoted. I'll be SVP by Q3. I still don't know what Copilot does. But I know what it's for. It's for showing we're "investing in AI." Investment means spending. Spending means commitment. Commitment means we're serious about the future. The future is whatever I say it is. As long as the graph goes up and to the right.

English
3
1
18
5.9K
Miguel Angel Saez retweetledi
Luciano Cohan
Luciano Cohan@LucianoCohan·
Hace poco lanzamos uno de los updates en @Alphacast_ más grandes un mucho tiempo: una nueva forma de que equipos de research, sales y estrategia usen su conocimiento — no solo lo almacenen. Te cuento 👇
Español
1
6
24
11.3K
Daniel Lockyer
Daniel Lockyer@DanielLockyer·
wait, is GitHub down now? cannot fetch, push or pull atm
Daniel Lockyer tweet media
English
91
41
589
69.7K
Miguel Angel Saez
Miguel Angel Saez@masaez·
@henrythe9ths FUNDRAISE - we had a (probably shorter) list in Notion a while ago during our pre-seed. Following methodology is king :)
English
0
0
0
10
Henry Shi
Henry Shi@henrythe9ths·
I got rejected by 144 investors before raising $150M for my $200M+ rev/year startup. After 144 rejections, I started questioning our approach. Were we solving the right problem? What were we doing wrong? Why weren’t investors seeing what we were seeing? Were we the right team to build this? We tried everything: different pitch angles, new deck structures, and reframing the problem. Then came the 145th meeting, where we closed our first growth round. That yes made everything worth it. But getting there took years of mistakes and hard work. We went through a lot of trial and error just to figure out what resonates with investors. We tried dozens of approaches to figure out what made investors engage. Some landed, most didn't. But each iteration taught us something about what builds conviction versus what just sounds good on paper. And once we cracked that code, our Series C closed faster than expected. And today, I see so many founders in the exact same position I was in 10 years ago: grinding through rejections, questioning everything, and trying to figure out what works. So today I want to give you the resource I wish I had back then: Something that shows you exactly how to structure these conversations and navigate the entire process (because the fundraising cycle can be a big distraction and take a toll on you as a founder). So I've partnered with Notion's Startups Team to create the essential fundraising resource that helps you avoid the mistakes that cost me years. Here's what you are getting: • The actual decks I used to raise $150M for Super[.]com (Series B, C) • 50 real examples from funded startups like Eleven Labs and Artisan AI • A searchable database of 10,000+ investors - angels, VCs, and accelerators you can reach out to immediately (this alone would take months to build manually) • An AI-powered fundraising agent built into Notion with step-by-step prompts (no separate ChatGPT needed) Want access? • Like and share this post • Comment "FUNDRAISE" • Follow me so I can DM you the link I'll send it over ASAP. P.S.: If you are serious about fundraising (now or in the future), you should grab it right away.
English
3.2K
931
4.5K
555K
Miguel Angel Saez retweetledi
Fernando Alvaro
Fernando Alvaro@FernandoAlvaro·
Anda a votar!
Português
0
1
1
255
Nicholas Decker
Nicholas Decker@captgouda24·
I just haven’t seen anyone put together the sort of comprehensive database I’m looking to create — my hope is to basically include everything used in every paper in the last 15 years, pretty much. Link is here: captgouda24.github.io/nicholas-decke…
English
4
5
84
5.9K
Nicholas Decker
Nicholas Decker@captgouda24·
I’ve started an ongoing project to collect all the datasets which economists can use, all in one place, organized by topic. Started with 50, further suggestions are extremely welcome. It will grow considerably.
Nicholas Decker tweet media
English
43
256
1.6K
179.5K
Miguel Angel Saez
Miguel Angel Saez@masaez·
No se puede embeber las dev tools abajo de la página... o no lo estoy viendo. Si es así, no hay forma que esto lo use un web dev
Miguel Angel Saez tweet media
Español
0
0
0
68
Miguel Angel Saez
Miguel Angel Saez@masaez·
No termino de entender el fin... son pocas las veces en la que necesito hacer una pregunta a un GPT en base al contexto de la página que estoy viendo. Imagino que el valor es el mismo que para google: que sepan mas sobre el usuario y poder manejar ese context para armar rstas
Español
1
0
0
121
Miguel Angel Saez
Miguel Angel Saez@masaez·
Probando ChatGPT Atlas... se vuelve SUPER dificil llegar a la página de Google, y la respuesta de search de un GPT no siempre es lo que esperas... Fuera de eso, anda lindo :)
Español
1
0
1
216
Miguel Angel Saez retweetledi
Luciano Cohan
Luciano Cohan@LucianoCohan·
En @Alphacast_ seguimos llevando la integración entre datos y AI un paso más allá. Ahora podés conectar tus flujos de datos una sola vez y dejar que la plataforma se mantenga siempre actualizada de forma automática. Además, podés tener tu propia AI con contexto, embebida en tu sitio, intranet - y pronto Slack- para que tu equipo hable directamente con los datos. Desde un simple prompt podés crear gráficos en segundos, combinar fuentes y bases internas y externas para hacer preguntas más completas —como cómo impactan las tendencias macro en tus ventas— y hasta recibir resúmenes automáticos por email apenas se actualizan los datos. 👇👇👇👇👇👇 alphacast.io/data-products/…
Español
1
3
24
6.7K
OpenRouter
OpenRouter@OpenRouter·
@masaez @xai Note that when you hit xAI directly via chat/completions, you don't receive encrypted reasoning back at all. chat/completions on OpenRouter uses the Responses API under the hood
English
1
0
2
118
Miguel Angel Saez
Miguel Angel Saez@masaez·
@openrouter there's something wrong with grok-code-fast-1 since the last couple of days. We started seeing lots of [REDACTED] messages, and wrong protocol exchanges. Switching straight to @xai did the work for us, so there is something in between failing.
English
1
0
0
80
Miguel Angel Saez retweetledi
Luciano Cohan
Luciano Cohan@LucianoCohan·
Hace casi 5 años arrancamos @Alphacast_ con algo simple: un WordPress con links y algunos charts. Con el tiempo, salimos de Argentina y construimos una base de global, agregamos transformaciones automatizadas, mapas, tablas, dashboards interactivos, APIs, AI y más
Luciano Cohan tweet media
Español
3
24
148
24.2K
Miguel Angel Saez
Miguel Angel Saez@masaez·
My new working hours: whenever Claude Code gets me out of the ice box. Other than that, available for meetings!
English
0
0
3
126
Miguel Angel Saez retweetledi
Luciano Cohan
Luciano Cohan@LucianoCohan·
ATENCIOOON!! Nueva busqueda en @Alphacast_ !! En esta oportunidad, buscamos un estudiante de economía, o recién recibido, con muchas ganas de aprender y trabajar con fuentes de datos de todo el mundo! Más acá 👇👇 linkedin.com/feed/update/ur… ¿Conoces a alguien? Favor RT
Español
1
7
7
2.2K