Hace poco, en una reunión de directivos de innovación en Madrid, escuché que lo único que se estaba consiguiendo con la IA era igualar el conocimiento de todos.
¿Perdón?
Esto dicho así, de forma general, es una falacia. Es tan falso como decir que, si Fernando Alonso y yo nos compramos el mismo Ferrari, vamos a hacer los mismos tiempos en el circuito de Cheste.
Ni por asomo, ¿verdad?
Porque sabemos que no es la herramienta solo, también es el piloto. Sobre todo, cuando la herramienta es la misma para todos.
Hoy casi todos tenemos un Ferrari en las manos, llámalo ChatGPT, Gemini, Claude o Perplexity. Y encima es barato, muy barato. Incluso gratuito. Con lo que está a disposición de cualquiera que tenga un ordenador con acceso a internet y quiera usarlo.
Sí, la IA nos ayuda en muchas cosas, pero la habilidad del piloto cuenta. La IA es el motor, pero el experto humano es el que lleva el volante. Las instrucciones del humano (el input) dirigen el resultado que proporciona la máquina (el output).
La IA generativa mira por el espejo retrovisor (extrae conocimiento y patrones de lo que ya existe, de datos e información pasada), pero necesita de dirección humana para conectar soluciones y problemas nuevos.
Promesa y realidad
Quizá el problema es que nos hayamos hecho demasiadas ilusiones. Es tan extraordinario lo que hemos visto hacer ya a la IA (y lo que nos queda aún por ver), que parece que no haya inconvenientes y solo se presenten ventajas:
- Ahorros de tiempo colosales
- Innovaciones prácticamente automáticas y disruptivas
- Sistemas que entienden el contexto corporativo desde el primer día
Pero, jarro de agua helada, no es así. La tozuda realidad consiste, en muchos casos y contextos, en:
- Aumentos iniciales de la carga de trabajo por la necesidad de una exhaustiva verificación humana
- Innovaciones incrementales que solo resultan útiles si tenemos “prompteadores” expertos
- Resúmenes de textos legales o proyectos técnicos complejos, maravillosamente escritos, pero terriblemente superficiales (la IA prioriza la fluidez gramática sobre la precisión factual)
- Sistemas que se pueden estar alimentando con bases de datos llenas de manuales, normativas, procedimientos y leyes obsoletas, que van a generar respuestas peligrosamente incorrectas…
… desde el falso experto legal: me han contado el caso de un abogado que fue expedientado por presentar 48 sentencias judiciales que la IA se había inventado completamente para satisfacer la petición del usuario.
… a la ley fantasma: un equipo en el sector de la energía dedicó 5 meses de su trabajo en modelos de negocio basándose en una ley que había generado la IA y que fue reenviada al equipo sin verificación. La ley, sencillamente, no existía.
Por no hablar de otros riesgos bien evidentes:
- Datos que alimentan modelos públicos, donde se generan riesgos de filtración de información interna confidencial
- Riesgo de operar con datos sensibles de clientes
- Gobernanza no dirigida ni unificada, fomentando el “uso en la sombra” de la IA (sin control corporativo)
Cómo no usar la IA
Si le damos a una IA, la que sea, 5.000 documentos de SharePoint para que haga una búsqueda hiper específica con un prompt poco trabajado van a pasar dos cosas:
- La IA va a toparse con su límite de procesamiento y puede omitir datos clave (limitación tecnológica).
- La búsqueda sin guía ni contexto (“dame la solución a este problema y ya está”) supone un gasto masivo de tokens (y energía) y proporciona resultados ineficientes. La fuerza bruta de la IA, aquí, falla, generando sobrecostes y alucinaciones
¿Cuál es la solución para comerse el elefante de una búsqueda como la que he planteado? Pues a trocitos:
Diseñar un prompt bien “estructurado” que oriente a la IA paso a paso y le proporcione contexto y guía: “Busca primero en este directorio, no en aquellos, utiliza estas palabras clave, no otras, filtra los 100 documentos clave y luego ordénamelos por prioridad; saca conclusiones de los 10 más prioritarios, después organiza las conclusiones por categorías…”
Se trata de crear un flujo de prioridades. La recomendación táctica es no lanzar la IA contra miles de documentos y fuentes de información a la vez. Es mucho más efectivo definir el camino de una forma lógica, acotar la búsqueda en lo posible y hacer que procese la información por bloques lógicos.
Tratando a la IA como un becario
La evolución de la IA en el departamento de una empresa o como tu copiloto personal se puede asimilar a la curva de mentoría que puedes desarrollar con un becario superdotado, con mucho potencial, pero inexperto.
El primer día vas a mantener un control total sobre lo que hace. Le vas a dar instrucciones muy detalladas y vas a revisar el 100% de sus entregables (no lo hacemos así con la IA)
A los seis meses, el becario ha practicado, ha repetido procesos y tareas escalando niveles de dificultad. Vas a hacerle auditorías puntuales, revisarás algunos de los entregables más importantes, le corregirás algún error de concepto y ajustarás sus posibles sesgos.
A los tres años, es muy probable que le hayas dado autonomía total. De hecho, ya no será becario y habrá pasado a ser especialista o experto*.
A largo plazo, los copilotos de IA en una empresa serán modelos entrenados específicamente en el histórico y el contexto de la empresa, que producirán resultados “confiables” bajo una mínima supervisión.
No sé si lo habrás comprobado, yo sí lo he hecho: he utilizado los mismos prompts en mi IA, cuando llevaba usándola varios años, y en la IA de un amigo, que no la usaba mucho y acababa de adquirir la misma versión premium que yo tenía.
Y el resultado no era el mismo. Mi amigo se quejaba de que las respuestas que yo obtenía – insisto, para el mismo prompt, la misma pregunta, la misma IA – eran más extensas y profundas que las que obtenía con su IA.
Conclusión inmediata: “mi IA (becario) había aprendido más que la suya. Estaba en una parte más avanzada de la curva de mentoría.
* Me gusta mucho la evolución del expertise que propone mi amigo Pablo Peña:
- Aprendiz à requiere supervisión permanente
- Técnico à requiere supervisión puntual
- Especialista à no necesita supervisión, pero si puede necesitar consultar a expertos
- Experto à la máxima referencia en el tema concreto dentro de la organización.
La situación en las trincheras
Hoy la mayoría de las empresas están con la IA en una fase de baja madurez: se hacen pruebas aisladas y pilotos, que no escalan, mediante iniciativas individuales, sin KPIs claros de ahorros de tiempo o mejora de productividad o de impacto en negocio. Además, hay un cuello de botella claro en la pervivencia de datos corporativos bastante desorganizados.
Las empresas más activas tienen a un grupo más o menos amplio de perfiles técnicos (en torno al 10-30% de la plantilla) haciendo un uso diario intensivo de la IA. Estos perfiles han podido presentar aumentos considerables de su productividad en tareas específicas, pero sigue todo muy dependiente de la iniciativa individual.
Sin embargo, el objetivo debería ser llegar a un “uso sistémico” en las empresas (+80% de las personas, de forma intensiva, en su operativa diaria), manteniendo una gobernanza centralizada, con datos bien estructurados, para que pueda aprovecharlos la IA. Y procesos profundamente integrados con esta.
Este es un estado aún aspiracional en la inmensa mayoría de empresas.
En la situación actual un paso crítico, más allá de dar formación de prompting específica para cada rol, puede ser la creación de “embajadores de IA”, coordinados entre sí y bajo un paraguas estratégico común: expertos, por áreas o procesos, que se encarguen de traducir la tecnología a casos de uso reales y útiles.
La ecuación del Ferrari
Como decíamos al inicio, la IA es el motor. Y como tal, debido al masivo y asequible acceso, una commodity: nuestros competidores tienen acceso a la misma velocidad de procesamiento y potencia generativa.
El piloto es el humano, la experiencia humana que debe aplicarse en todo aquello en lo que debemos destacar: construir prompts hiper-dirigidos y bien contextualizados, hacer auditorías de los resultados, aplicar conocimiento histórico y tácito (es decir, experiencial, no fácil de estructurar y comunicar a otros) de nuestro sector y del contexto de nuestro negocio.
Con este enfoque podemos crear una sencilla ecuación de input y output:
IA (aka) Ferrari + Prompter = resultado. De forma que:
IA (aka) Ferrari + Mal Prompter = resultado genérico
En este caso, probablemente, alguien se va a estrellar contra la pared de una respuesta blanda, inocua, superficial o, peor aún, errónea.
IA (aka) Ferrari + Experto Prompter experimentado en el sector y la temática = resultado diferencial y valioso
Con este uso hay muchas papeletas para que su usuario cruce la meta el primero, con respuestas extremadamente útiles, bien fundadas y profundamente incisivas.
Por ejemplo, en la innovación, sin conocimiento experto, es difícil que la IA produzca algo más que innovación incremental; con un experto, puede convertirse en un multiplicador de innovación disruptiva.
Nota media superior para todos, pero no diferencial
No hay duda de que la tecnología aumenta la nota media para todos, algo que está muy bien, pero como todo el mundo puede comprar el mismo Ferrari, la tecnología no es diferencial.
Lo que gana el campeonato, la ventaja competitiva que es diferencial y representa el éxito, es el piloto (el diseñador de prompts). Y su conocimiento del circuito (su experiencia en el sector y en la temática que está tratando). El diferenciador absoluto pasa a ser quién es el que hace las mejores preguntas.
La IA procesa y el humano dirige. La IA no es la panacea que reemplaza la estrategia, es la tecnología que la puede acelerar. En concreto, el éxito en la innovación no va a depender de la máquina/app que utilices, sino de las preguntas que seas capaz de hacerle*.
Y está bien que sea así, que, al menos, nos quede esto.
*Hay que tener en cuenta que, para hacer buenas preguntas, tienes que saber de lo que estás preguntando: difícilmente vas a hacerle una buena pregunta a la IA para que, por ejemplo te ayude a innovar, si no conoces bien el proceso de innovación y las diferentes herramientas que se pueden utilizar en cada fase y que puedes decirle a la IA que utilice o no
