Es un comportamiento que se repite cíclicamente. En nuestra búsqueda de lo óptimo y del beneficio a corto, probamos diferentes caminos para ahorrarnos tiempo y llegar antes a nuestro objetivo. Es parte de la naturaleza humana. Y con la inteligencia artificial no está siendo diferente. Debemos aprender a pensar con la IA.
Debido a las espectaculares funcionalidades y aplicaciones de la IA, este comportamiento se ha multiplicado. Vemos tanta magia en forma de resultados rápidos y de buena calidad, que nos anima a seguir buscando.
En sus últimas consecuencias esto nos lleva a pensar que el mundo como lo conocemos va a “desaparecer” debido a la transformación que vamos a vivir, tanto que empezamos a dar por seguros escenarios hipotéticos (esto daría para otro artículo completo) y a pensar que la IA nos permite hacer cualquier cosa escribiendo unas cuantas líneas en nuestro LLM habitual.
Y si, la inteligencia artificial va a cambiar muchas cosas podemos hacer cosas que tan solo hace unos meses nos hubiesen llevado horas. Pero todavía estamos lejos de los escenarios que nos quieren vender (suelo decir que si no somos capaces de gestionar las cookies de nuestro navegador, cómo vamos a llegar a estos escenarios en estos plazos).
Pero creo que es importante poner las cosas en su sitio. Empezar desde lo pequeño y analizar qué es aquello que realmente nos aporta al negocio y empezar a implementarlo.
El otro día en una reunión hablábamos de los proyectos IA que se están llevando a cabo en grandes empresas. ¿Sabéis el mayor problema con el que se están encontrando? ¿Falta de apoyo de la directiva? No. ¿Falta de formación de los empleados? No. ¿Costes elevados? No.
El mayor problema es que las empresas no cuentan ni con la calidad de dato adecuada, ni con la integración de sistemas necesaria. Es decir, que para dar ese segundo paso más allá de las aplicaciones al trabajo individual, tienen que pasar por una serie de proyectos de envergadura.
Pero como decía hace un momento, este sería tema para un artículo completo.
La paradoja de la eficiencia de la IA
Una de las grandes promesas de la IA es automatizar lo rutinario y liberar tiempo para lo importante. Sin embargo, su uso nos puede llevar a una situación muy distinta: una mezcla de curiosidad, frustración y sensación de ineficiencia.
Empezamos usándola para tareas sencillas: un texto, la respuesta a un email, un artículo, cosas de ese estilo. Y los resultados son sorprendentemente buenos (cada vez más). Animados por esto, empezamos a usarla cada día y cada vez para más cosas. Aquí es cuando empezamos a frustrarnos.
Usamos el mismo acercamiento a la solución que para las tareas sencillas. Redactamos un prompt, damos con un proceso que parece tener sentido y nos ponemos con ello. Pero según avanzamos nos damos cuenta de que no estamos llegando a los resultados que esperábamos y además que nos está llevando más tiempo que si lo hiciésemos sin la ayuda de la IA. ¿Te ha pasado verdad?
No es que la IA no funcione. Es que todavía no sabemos usarla correctamente. Nos lanzamos directamente a “pedirle cosas” a la IA sin tener 100% claro qué queremos conseguir. Buscamos atajos, pero sin método correcto el proceso se alarga.
Para los proyectos más elaborados la IA no funciona como un atajo sino como un compañero de viaje que nos permite darle forma a lo que realmente queremos conseguir.
Y es en ese momento cuando si estamos listos para escribir el prompt o usar la herramienta adecuada para obtener los resultados adecuados.
Parte del camino que tenemos que andar, es cambiar nuestra perspectiva. Por el momento, debemos aprender a separar tareas sencillas de proyectos. El siguiente paso es tomar consciencia del rol de la IA en los proyectos, y el tercero… ¡ya veremos!
Mi apuesta es que en menos de lo que esperamos, vamos a tener herramientas que nos van a permitir llevar a cabo esos proyectos, sin necesidad de ser técnicos expertos como lo estamos intentando ser ahora.
¿Qué está pasando? ¿Por qué es tan difícil sacarle partido real a la IA?
Una curva de adopción de la IA se ha desplazado
Hasta ahora, la adopción de nuevas tecnologías seguía un patrón predecible: los innovadores probaban, los pioneros aprendían, y solo cuando la tecnología maduraba llegaba la mayoría.
Con la IA, esa curva se ha desplazado hacia la izquierda. Estamos usando una tecnología que sigue en fase experimental, pero que ha adelantado sus expectativas de madurez.
Nos comportamos como si ya fuera un producto acabado, cuando en realidad estamos aún en sus inicios. Nos hemos convertido en una especie de beta testers involuntarios: definimos prompts, comparamos modelos, probamos herramientas… haciendo el trabajo que en otras innovaciones hacían especialistas más técnicos.
Dada la velocidad con la que ha llegado, hemos tomado parte del papel que antes hacían personas más preparadas. Nos hemos vuelto técnicos sin tener los conocimientos. Nuestro turno debería haber llegado cuando la tecnología estuviese más madura y los interfaces fuesen más sencillos.
Interfaces en los que no sería necesario saber definir prompts o razonar de manera que la IA nos de el máximo. Simplemente meter “dos datos” y la herramienta nos daría el resultado. Veremos cómo y cuándo nos llega este paso, pero nos llegará.
En resumen: nos han adelantado de fase.
Quizás se entiende mejor viendo la curva de adopción (otro ejemplo de tarea a la que he dedicado más tiempo haciéndola con ChatGPT en lugar de manualmente y además ¡sigue teniendo errores en el texto!)
La brecha del conocimiento en la era de la IA
La inteligencia artificial está abriendo una nueva brecha, no entre empresas grandes y pequeñas, sino entre quienes se limitan a usarla para tareas básicas y quienes se esfuerzan por comprenderla.
A día de hoy, los verdaderos expertos en IA son una minoría. La mayoría de nosotros seguimos en una fase de aprendizaje constante: exploramos, probamos herramientas y tratamos de entender cómo aplicarlas a nuestro trabajo. Pero, como la curva de adopción se ha desplazado hacia la izquierda, hay más personas que nunca experimentando al mismo tiempo. Eso crea la sensación de que todo el mundo “sabe de IA”, cuando en realidad muy pocos la dominan de verdad.
Esta forma de enfocar el uso de la IA (tares básicas vs. Mejora continua), van a ir creando dos grupos. Quienes invierten tiempo en aprender cómo funciona, en integrar la IA en sus procesos y en pensar con criterio sobre su uso, ganarán una ventaja sostenible. En cambio, quienes la utilizan solo para tareas superficiales o repetitivas corren el riesgo de quedarse en un nivel de dependencia sin comprensión.
Con el tiempo, la brecha no será tecnológica, sino cognitiva. No se tratará de tener acceso a las herramientas, sino de saber pensar con ellas. De un lado estarán quienes usen la IA como una extensión de su capacidad; del otro, quienes la vean como un sustituto de su esfuerzo.
Y esa diferencia —más que cualquier innovación futura— definirá cómo competimos, aprendemos y decidimos en los próximos años.
LA IA no es útil para cualquier tarea
Parte del caos actual viene de intentar usar la IA para todo. Y no todo tiene porque hacerse con IA.
Podemos dividir las tareas en tres niveles:
- Tareas útiles: aquellas en las que la IA realmente ahorra tiempo (resúmenes, respuestas a emails, ideas, análisis simples, etc.).
Son las que conviene dominar desde ya. - Tareas dudosas: podrían resolverse con IA, pero el tiempo invertido en afinar prompts y corregir resultados supera el beneficio. Deberían evaluarse antes de abordarlas. Estamos tratando de abordar a base de prompts, tareas que hace unos meses eran claramente parte de una petición de presupuesto a una consultora o agencia.
- Tareas de proyecto: implican procesos complejos, con impacto directo en negocio, reputación o clientes.
Requieren conocimiento experto o colaboración con terceros.
El problema es que hoy tratamos de resolver las tres con IA (al menos la 1 y la 2), y acabamos atrapados en un falso bucle de productividad.
El bricolaje de la IA
Voy a explicarte esto mismo con un ejemplo. Usar la IA hoy se parece demasiado al bricolaje en casa.
Con un destornillador puedes apretar un tornillo o colgar un cuadro (tareas útiles), sin problema. Pero si intentas reparar una cisterna o pintar el salón sin saber cómo, es posible que lo consigas, pero es muy probable que termines perdiendo el tiempo (y lo peor, probablemente dejarás un desastre (tareas dudosas)).
Y si decides cambiar la instalación eléctrica por tu cuenta, ya no es una cuestión de tiempo: es un riesgo. Eso requiere un profesional (tareas de proyecto).
Con la IA nos está pasando algo parecido: tratamos de afrontar los tres tipos de tareas nosotros solos y con una herramienta que ni dominamos, ni está lo suficientemente madura.
Aprender a trabajar con la IA
Uno de los mayores aprendizajes que he sacado de los cursos que estoy realizando, es que para que la inteligencia artificial nos dé los mejores resultados (los correctos y los que necesitamos, está por ver si es capaz), debemos empezar por usarla no como problema-solución, sino como un como un apoyo para ayudarnos a pensar y a llegar a la raíz de lo que necesitamos.
La mayoría de usuarios nos lanzamos (o lanzábamos), a por la solución final. Podemos tratar de mejorar el acercamiento previo con un buen prompt, pero el enfoque es: problema-solución.
Pero trabajar bien con la IA no empieza con una respuesta, sino con una conversación que:
- Nos lleve a definir correctamente el problema y si su solución pasa por la IA o no.
- Nos permita dividir el proyecto en problemas más pequeños e ir encontrando soluciones parciales (que además nos permitirán reforzar nuestras posibilidades de llegar a la solución final).
- Nos ayude a eliminar las alucinaciones, y lo que es cada vez más importante, eliminar las adulaciones de la IA. No solo se inventa datos, sino que da por buenos planteamientos incorrectos.
De forma que solo cuando tengamos claridad, podemos plantearnos pasar al prompting avanzado o a una herramienta concreta, para ir a por la solución definitiva.
Y lo más importante, debemos entender cómo trabaja la IA y asimilar que en tareas más complejas, la “magia” de la IA no es tal.
La inteligencia artificial tiene un presente y un futuro impresionantes. Cada uno de nosotros debemos esforzarnos por incorporarla a nuestras habilidades, pero también debemos poner perspectiva y sentido común.
Termino con la sugerencia con la que empezaba este artículo: vayamos de dentro afuera y de lo pequeño a lo grande. Empecemos por dominar las fases iniciales antes de intentar controlar las avanzadas.
