Google paga 10 millones por los correos internos de Spirit Airlines para entrenar IA

Por Nate from Nate's Substack · 8 de octubre de 2026.

Google ganó en agosto una subasta por quiebra, pendiente todavía de aprobación judicial, con una oferta de 10 millones de dólares por los datos de negocio internos de Spirit Airlines. La compra propuesta incluye correos electrónicos, mensajes de Microsoft Teams, hojas de cálculo y otros registros acumulados mientras los empleados hacían su trabajo. Google ha declarado que quiere ese material para entrenamiento de IA y desarrollo de producto.

Nate parte de esta noticia para reflexionar sobre algo que le resulta extraño: ver un precio puesto a todos esos días de trabajo, incluida la reunión por la que alguien se quedó hasta tarde, el documento que necesitó otra revisión, o la conversación que finalmente resolvió un problema. Un comprador puede adquirir los registros en conjunto, pero según el autor todavía tiene que averiguar qué logró realmente cada uno de ellos.

A partir de ahí plantea la pregunta central del artículo: ¿para qué sirve el trabajo? Lo ilustra con su propia experiencia escribiendo documentos de requisitos de producto en Amazon, donde los números de versión podían llegar a las treintas. Señala que decir que la versión 37 era mejor que la 36 no se explica solo comparando los cambios en el archivo: normalmente lo que importaba era que un argumento se había vuelto más claro, que el equipo había descubierto que estaba resolviendo el problema equivocado, o que dos personas que llevaban reuniones enteras de acuerdo por fin entendían que querían decir cosas distintas. El documento siguiente podía contener solo unas pocas frases cambiadas, aunque la conversación detrás de ellas hubiera cambiado lo que el equipo iba a construir.

Nate extiende esta idea a las presentaciones: una presentación bonita puede lograr muy poco, porque conseguir que la gente admire las diapositivas es un logro distinto de ayudarla a entender una decisión lo bastante bien como para tomarla. El verdadero trabajo, dice, está en la alineación, y esta a veces deja rastros muy pequeños: una reunión que termina antes porque una pregunta difícil por fin se resolvió, un proyecto innecesario que nunca llega a empezar, o una función que se elimina del plan porque alguien entendió mejor lo que el cliente necesitaba.

El autor conecta esto con el malestar que genera la IA: usamos lo que producimos para entender nuestra propia contribución, y cuando una máquina produce algo similar en un minuto puede sentirse como si alguien hubiera revisado el valor de todo ese esfuerzo sin consultarnos. Propone tomarse en serio ese sentimiento y preguntarse qué estaba ayudando a lograr realmente ese esfuerzo, reconociendo con honestidad que a veces desarrollamos una comprensión valiosa de un problema y otras veces simplemente nos volvimos muy buenos satisfaciendo expectativas que no beneficiaban a nadie.

Sin embargo, insiste en que no quiere convertir el artículo en una defensa del valor del trabajo pasado, porque lo que más le importa es la posibilidad que se abre hacia adelante: si un equipo puede investigar un problema, construir un prototipo y probar una idea con menos tiempo y dinero, algunos proyectos que antes estaban fuera de alcance se vuelven posibles. Pone el ejemplo de un equipo de producto preparando una propuesta: si la IA le ayuda a escribirla más rápido, podría usar ese tiempo para producir más propuestas, o en su lugar construir una pequeña versión funcional de la idea y ponerla delante de las personas a las que se supone que va a ayudar, lo que cambia lo que el equipo puede aprender antes de pedirle a la empresa que se comprometa.

Cierra el artículo señalando que la oferta de Google pone precio a la posibilidad de aprender del trabajo ya hecho, mientras que a él le interesa más lo que se puede aprender examinando el propio trabajo todavía a tiempo de cambiarlo: adónde lleva el esfuerzo, quién se beneficia si tiene éxito, y qué cosas se habían descartado por asumir que requerirían más tiempo, dinero o personas de las disponibles.

El correo incluye además promoción de 'Nate's Library MCP', un servidor MCP de solo lectura que da acceso desde cualquier IA al archivo completo de artículos publicados por Nate, y de su comunidad de Slack, además de enlaces a otras entradas relacionadas de su Substack ('Nobody knows what you're worth anymore', 'How to tell if your job is on thin ice', 'The default trap: why Anthropic's data policy change matters', entre otras).