¿Por qué merece la pena leer esto?
Porque los proyectos de IA no fracasan porque el modelo sea flojo. Fracasan porque le tocó una tarea para la que es estructuralmente inadecuado — y eso solo se vio medio año después.
La lista de abajo no es pesimismo. En cada punto indico si tiene arreglo, porque los dos casos hay que tratarlos de forma muy distinta.
1. No sabe de aquello sobre lo que no tiene información
Los datos de entrenamiento del modelo terminan en una fecha, y los datos internos de tu empresa no los ha visto nunca. Si le preguntas por un suceso reciente o por tus propios clientes, conjetura.
¿Tiene arreglo? Sí. Dale búsqueda, o dale el material. Es el límite más fácil de subsanar de todos.
2. No sabe lo que no sabe
No hay dentro ninguna señal que diga «esto es incierto». Una respuesta inventada y una exacta suenan igual de seguras.
¿Tiene arreglo? En parte. Puedes pedirle referencias al material que le diste y puedes permitirle decir que no. Por qué la IA se inventa cosas da cinco métodos concretos. Pero del todo no desaparece nunca.
3. No calcula de forma fiable
Calculando de cabeza se equivoca, y cada vez más en cadenas largas de operaciones.
¿Tiene arreglo? Sí, y del todo. Si tiene una herramienta — una calculadora, código ejecutable, una hoja de cálculo —, deja de estimar y calcula. Si los números importan, que trabaje siempre con herramienta y no de cabeza.
4. No es consistente
Si haces dos veces la misma pregunta, puedes recibir dos respuestas distintas. Es parte del funcionamiento, no un fallo.
¿Tiene arreglo? En parte. La previsibilidad se puede ajustar, y pedir un formato fijo mejora mucho las cosas — de eso trata Prompt, system prompt, temperature . Repetibilidad perfecta, en cambio, no la esperes.
5. Cumple mal los sistemas de reglas largos y complejos
Cinco reglas las sigue de forma fiable. Cuarenta, con excepciones y prioridades entre ellas, no. Se salta algunas — y no lo dice.
¿Tiene arreglo? En parte, con diseño. Divídelo: en vez de un prompt que maneje cuarenta reglas, varios pasos que manejen menos cada uno. Todo lo que se pueda escribir con precisión como regla, mejor escribirlo como programa.
6. No tiene experiencia
Nunca ha estado con un cliente, nunca ha llevado un proyecto, nunca ha fracasado en nada. Lo que «sabe» es la experiencia escrita de otros — su media, no lo mejor de ella.
¿Tiene arreglo? No. Es estructural. Por eso da propuestas de manual, prudentes y de término medio justo en aquellas preguntas donde la buena respuesta es la inusual.
7. No asume responsabilidad
No le pasa nada si se equivoca. No puedes citarla en una auditoría ni puedes demandarla.
¿Tiene arreglo? No, y tampoco hace falta. Solo hay que saberlo: la responsabilidad se queda donde estaba. Si un presupuesto escrito por IA lleva una cifra mal, es tu presupuesto.
8. No entiende las consecuencias
Sabe formular que una decisión es arriesgada. Pero no siente que un correo enviado sea irrecuperable, ni que perder un cliente dure diez años.
¿Tiene arreglo? No — hay que gestionarlo. Por eso ponemos a una persona delante de los pasos irreversibles.
9. No tiene gusto ni tiene postura
Donde no hay una respuesta objetivamente buena — el tono, el sentido de la proporción, qué dejar fuera —, el modelo devuelve la media. Y la media rara vez distingue.
¿Tiene arreglo? En parte. Si le enseñas tus propios trabajos anteriores como muestra, se acerca bastante. Pero el criterio no te lo quita de encima.
Lo que esto significa para las empresas
Las encuestas de los últimos años muestran de forma consistente lo mismo: la gran mayoría de las empresas no mide ningún efecto apreciable en resultados tras implantar IA, mientras que los empleados a título individual la encuentran útil. Las dos cosas no se contradicen.
La explicación es justamente la lista de arriba: la mayoría de las tareas individuales caen en la categoría de «verificable, veo enseguida si está mal», donde la IA es fuerte. Los procesos de empresa, en cambio, son largos, cargados de reglas y con consecuencias — y ahí todos los límites anteriores aparecen a la vez.
El cuello de botella no es la tecnología, es que hay que rediseñar el proceso a su alrededor, en lugar de encajar la herramienta en el proceso viejo.
Qué llevarte
Dos preguntas que resumen las nueve anteriores y cuestan diez segundos antes de decidir: ¿tengo el material con el que puede trabajar? y ¿reconocería una respuesta equivocada?
Si la respuesta a alguna es no, la pregunta no es qué modelo elegir. Ahí hay que remodelar la tarea — o resolverla sin IA. De eso trata ¿Es la IA adecuada para esta tarea? .