Hay una creencia que se ha instalado desde el momento en que las herramientas de IA se volvieron accesibles para el trabajo: cuanto más las uses, mejor.
Más prompts, más outputs generados, más procesos delegados. Como si el volumen de uso fuera una señal de progreso en sí mismo.
La experiencia me ha enseñado justo lo contrario.
Los mejores resultados con IA no se obtienen usándola para todo, sino eligiendo con precisión qué delegar y qué no.
Confieso que al principio pensé que con el tiempo todo el mundo llegaría a esa misma conclusión.
Pero estoy viendo que no.
La tendencia mayoritaria va en la dirección contraria: a medida que el acceso a las herramientas se normaliza, el uso se vuelve más extenso, no más preciso.
Se pide más. Se genera más. Y los resultados, en proporción, mejoran menos de lo que cabría esperar.
El problema no es la IA
Cuando un profesional llega a la IA sin haber resuelto primero las preguntas que le corresponden a él, la herramienta produce algo.
Siempre produce algo.
Pero ese algo está construido sobre una instrucción que no formuló bien, sobre un problema que no acotó, sobre un resultado que no definió con claridad.
Y entonces el profesional recibe una respuesta bien escrita, aparentemente útil, y tiene que empezar a trabajar de verdad: descartar lo que no sirve, añadir lo que falta, corregir lo que está desviado.
El trabajo que pensaba haber delegado vuelve en otra forma.
Esto pasa con demasiada frecuencia, pero no se discute lo suficiente.
Se habla mucho de los casos en que la IA produce exactamente lo que se necesita.
Pero se habla menos de los casos en que el resultado requiere tanto trabajo posterior que la supuesta ganancia de tiempo se diluye por completo.
Cuánto se delega importa menos que qué se delega y desde dónde.
Siempre digo que la IA amplifica la calidad del pensamiento que la antecede, pero no lo sustituye.
Si llegas a la herramienta con una pregunta vaga, obtienes una respuesta vaga con buena presentación.
Si llegas con una pregunta precisa, obtienes una respuesta que puede ser realmente útil.
El trabajo que no puedes delegar es el que ocurre antes de abrir la pantalla.
La definición del problema. La acotación del contexto. La decisión sobre qué quieres que produzca la herramienta y para qué lo vas a usar.
Eso no es delegable porque requiere exactamente lo que tú tienes y la IA no: conocimiento del caso concreto, criterio profesional, y la capacidad de juzgar si el resultado sirve o no.
Cuando ese trabajo previo está hecho, el uso de la IA se comprime.
Porque no necesitas tantas rondas, tantos ajustes, tanta producción para llegar a algo útil de verdad.
El resultado es más directo. El proceso es más corto. Y la calidad, en términos reales, es mayor.
Lo que parece eficiencia a veces es lo contrario
Generar diez variantes de un mismo texto para ver cuál funciona mejor suele ser una señal de que algo no estaba claro desde el principio.
Pedir a la herramienta que reformule, amplíe o cambie el enfoque varias veces seguidas es una señal de que la instrucción original estaba incompleta.
En definitiva, el uso prolongado, en muchos casos, no es evidencia de que la herramienta está trabajando para ti.
Es evidencia de que estás trabajando para que la herramienta produzca algo que no has podido definir con anterioridad.
No lo digo como crítica.
Lo digo porque he estado en ese lugar muchas veces, y porque es exactamente lo que observo en las sesiones de formación con casi todos los equipos con los que trabajo.
La salida de ese ciclo es pensar antes de usar la IA.
El tiempo que se invierte en construir una instrucción que refleje lo que realmente se necesita, en acotar el resultado esperado antes de pedirlo, es tiempo que se recupera después.
El proceso total es más corto, siempre.
La calidad de la respuesta se construye al principio, no al final.
Lo repito una y otra vez en mis formaciones, no se corrige el output; se trabaja la entrada.
La calidad de la respuesta es una consecuencia de lo que se pone en la instrucción.
La herramienta no tiene criterio propio sobre tu trabajo. Tiene capacidad de generar texto, estructuras, análisis, código. Pero el criterio es tuyo.
Lo que determines que es bueno o malo, útil o inútil, preciso o desviado, eso no viene de la herramienta.
Y si no lo traes tú, la herramienta lo rellena con lo más probable, con lo más general, con lo que estadísticamente encaja en el patrón de tu petición.
Que no es lo mismo que lo que tú necesitas.
Usar menos IA
En este contexto, usar menos IA no es una limitación. Es la consecuencia de trabajar mejor.
Los profesionales que llegamos a esa optimización lo hacemos porque hemos comprobado que la calidad de los resultados aumenta cuando elevamos la calidad de lo que traemos antes de abrir la herramienta.
El volumen de uso es, al final, un dato irrelevante.
Lo relevante es si el resultado sirve para lo que tenías que hacer, si el proceso para llegar ahí fue razonable, y si puedes repetirlo en condiciones similares.
Si quieres construir un sistema de trabajo con IA que funcione con método y no a prueba y error, eso es exactamente para lo que existe IA Fácil.
En pocas palabras:
Muy alineado. El trabajo se libreta previo es fundamental. Es teoría mía, pero creo que la escritura y la reflexión a mano ✍️ está ligado a nuestra evolución y el cerebro no procesa igual mecanografiando.