La IA se está colando por todas partes, prometiendo productividad y eficiencia. Pero al delegar sin discernimiento, las empresas corren el riesgo de automatizar sus propios fallos. En este artículo, Silvan Cabot advierte sobre el peligro de dar a la IA la misión de ir más rápido... cuando antes deberíamos asegurarnos de hacerlo mejor.
Hace poco, un amigo me contaba que la toma de notas asistida por IA había cambiado las reglas del juego en su Comité Ejecutivo. Me dijo que por fin tenían un resumen y una lista de tareas al final de cada reunión. Creo que tienen un bot más para inmortalizar las reuniones mediocres.
La mayoría de las herramientas basadas en IA generativa que veo salir al mercado hoy en día se centran en acelerar tareas de poco valor añadido. Muy pocas abordan problemas profundos o abren nuevas posibilidades.
Seguimos en la fase de los “caballos más rápidos” de Henry Ford.
Con el tiempo se producirá una selección natural, pero podemos adelantarnos si priorizamos la excelencia operativa en lugar de acelerar lo que ya existe.
La automatización del "junior corporativo"
Veo las herramientas actuales de toma de notas con IA como una versión digital del becario de empresa. Si tienes experiencia en grandes organizaciones, sabes de lo que hablo: jóvenes brillantes utilizados para tomar notas, hacer un seguimiento de las tareas y organizar "reuniones de seguimiento".
Una vez vi a uno de estos becarios transferir cientos de Post-it de un taller de ideación a Excel, para "asegurarse de que no se perdía ninguna buena idea". Después, le vi organizar un nuevo taller para "identificar patrones" en lo que, inicialmente, era una sesión de brainstorming sin filtro para generar conexiones entre personas que no se conocían.
Este es el riesgo de la falta de experiencia y de supervisión. No solo se conservan malas ideas: se amplifican y se aceleran. Toman procesos defectuosos y los hacen más eficientes: normalizan la disfunción. Hacen lo que se les pide y con una eficacia implacable, pero sin perspectiva.
La buena noticia es que los humanos aprenden. Quienes hoy toman notas pueden ser los líderes del mañana. Con el tiempo, comprenden el matiz entre lo que se les pide y lo que realmente importa. Desarrollan su juicio. La IA, en cambio, no aprende en ese sentido. Amplifica el ruido y seguirá haciéndolo mientras no le pidamos otra cosa.
Mismos problemas, nuevas herramientas
Hemos sustituido a los humanos por IA y les damos las mismas especificaciones. Ahora todo el mundo tiene su propio becario artificial. Entras en una reunión y encuentras 20 personas junto a 20 máquinas. Están ahí. Una presencia silenciosa con una memoria perfecta. Grabando cada palabra y escupiendo listas de tareas más rápido de lo que puedes decir "action item".
Todo el mundo se siente más productivo, pero en realidad nada cambia: automatizamos procesos defectuosos en lugar de corregirlos. Estudios recientes indican que el 83% de los empleados pasan hasta un tercio de su semana laboral en reuniones, pero solo el 11% de ellas se consideran productivas. Solo en Estados Unidos, el coste de las reuniones improductivas asciende a 399.000 millones de dólares al año.
El problema del Comité Ejecutivo de mi amigo no era la toma de notas. Era la alineación… o más bien la falta de ella. Las causas podían ser múltiples: liderazgo sobrecargado, reuniones sesgadas donde el compromiso es más forzado que genuino, temas desconectados de las prioridades estratégicas, lagunas en la definición de responsabilidades... o, probablemente, un poco de todo.
En muchas organizaciones, especialmente en entornos complejos y jerárquicos, el problema no es la falta de información, sino la falta de decisiones claras y de responsabilidades explícitas. Ninguna herramienta, por inteligente que sea, puede compensar esa ausencia.
Un becario encargado de perseguir tareas nunca ha resuelto un problema profundo. Tomar notas con IA tampoco lo hará. Solo documentará el disfuncionamiento con mayor eficiencia.
La eficiencia no siempre es lo más importante
Hablo de la toma de notas porque es un ejemplo muy común, pero es solo eso: un ejemplo. No estoy "en contra" de los resúmenes automáticos ni de los becarios. La generación automática de tareas al final de cada reunión no resolvió el problema del Comité Ejecutivo de mi amigo, pero le permite trabajar con algo más de tranquilidad en el día a día. Y eso ya es algo.
Antes de automatizar, conviene preguntarse qué parte del proceso merece realmente ser acelerada y cuál necesita ser rediseñada. La IA puede ser una palanca formidable, pero solo cuando se apoya en procesos sanos y decisiones claras
También existen herramientas con una ambición distinta. Granola, por ejemplo, no promete hacer más rápido, sino hacer mejor, ayudándonos a mejorar nuestras propias notas. Y “hacer mejor” es lo que deberíamos exigir primero a nuestras herramientas de productividad. Hagamos mejor hoy; ya iremos más rápido cuando la velocidad sea realmente diferencial.
Cuando pedimos a la IA generativa que produzca más deprisa entregables que ya existían hace 10 años, la ponemos al servicio de esos entregables. No al servicio de nuestro negocio.
Algunos ejemplos para ilustrar lo que quiero decir.
Pedir a la IA que redacte especificaciones o historias de usuario no reducirá tu Time-to-Market si no colaboras con los equipos de desarrollo
He visto muchas formas de escribir especificaciones, y he descubierto que las mejores no son las más completas; sino las co-creadas estrechamente con los equipos.
Lo que define una “buena” especificación cambia según el equipo e incluso según el proyecto dentro del mismo equipo. Si simplemente pides a la IA que genere el documento más completo posible, lo hará. Pero no necesariamente te dará el alineamiento que necesitas.
Probablemente pronto veremos herramientas diseñadas específicamente para co-redactar especificaciones.
Mientras tanto, la IA puede ayudarte a mejorarlas… pero no a ir más rápido. El tiempo necesario para generar alineación real es imposible de comprimir.
- Sigue compartiendo tus borradores o versiones preliminares con los equipos de desarrollo.
- Asegúrate de que pueden reaccionar rápido, con frecuencia y a bajo coste.
- Involúcralos en la redacción.
- No les impongas leer un documento de 30 páginas para empezar a hablar. Sobre todo si no te has tomado la molestia de dedicar tiempo a redactarlo tú mismo.
Pedir a la IA que construya un prototipo completo no te ayudará a decidir mejor si no tienes un plan de validación sólido.
Sobre el papel, suena atractivo: hago un prototipo rápido, lo enseño y veo inmediatamente si gusta o no. Parece un enfoque sólido de hipótesis/validación, pero en realidad, ese "test" rara vez te ayudará a tomar buenas decisiones.
Si gusta, no sabrás exactamente por qué y tenderás a confirmar tus propias creencias. Si no gusta, tampoco sabrás por qué, pero buscarás una explicación que confirme lo que ya pensabas.
No aprenderás nada si no descompones tu prototipo en una serie de experimentos que permitan aislar los verdaderos factores diferenciales.
En el fondo, no quieres prototipar más rápido ni testar más rápido. Lo que realmente quieres es aumentar la predictibilidad del retorno de la inversión de tu producto.
Pedir a la IA que sintetice miles de comentarios no te ayudará a entender mejor a tus clientes si no hablas con ellos
La promesa vuelve a sonar atractiva: procesar montañas de datos nunca ha sido tan fácil. Pero volumen no equivale a calidad. A menudo es lo contrario: una ilusión de rigor que esconde una máquina de sesgos de confirmación.
Cuantos más comentarios se procesan, más aumentan las posibilidades de encontrar personas que digan lo que quieres oír. Y si delegas el análisis en una IA, esa tendencia puede amplificarse.
De nuevo, el procesamiento automático puede ayudarte, sí, pero utilízalo para formular mejores hipótesis, no para “validarlas”.
Después, habla con tus clientes. Con sus amigos. Incluso con tus no clientes. El mundo está lleno de personas que nunca te enviarán feedback espontáneo y que pueden enseñarte mucho sobre tu producto.
Volver a lo básico
Parece que todo artículo escrito en 2025 debe incluir un párrafo que empiece con "En la era de la IA". Así que ahí va el mío:
En la era de la IA, incorporamos herramientas de productividad cada vez más rápido a nuestras formas de trabajar, sin preguntarnos si realmente resuelven nuestros problemas… o si están creando otros nuevos.
Nada demasiado novedoso, en realidad.
El objetivo no es frenar la adopción de la IA, sino elevar su uso. Pasar de una lógica de automatización por defecto a una de diseño consciente, donde la tecnología refuerce el criterio en lugar de sustituirlo.
Las preguntas adecuadas que hay que plantearse no han cambiado en lo que respecta a las operaciones internas y las nuevas herramientas:
- ¿Qué problema intentamos resolver?
- ¿Cómo mediremos que realmente lo estamos resolviendo?
- ¿Cómo nos aseguraremos de que no estamos generando otros problemas por el camino?
Asegúrate de poder responder a estas tres preguntas antes de lanzarte a una nueva solución. Son las mismas desde hace tiempo, pero siguen siendo sólidas y eficaces. Te ayudarán a evitar falsos atajos.
Estamos empezando a ver cosas realmente interesantes en el mercado, y cada vez habrá más. Ya podemos hacer un uso mucho más inteligente de nuestro tiempo gracias a estas herramientas. Siempre que no nos limitemos a pedirles que hagan lo mismo… simplemente más rápido.
Tu IA es eficaz desde el punto de vista técnico, pero ¿qué opinan tus usuarios? Descubre nuestro framework para evaluar la experiencia de usuario de tus funcionalidades de IA y transformar tus métricas técnicas en indicadores de percepción e impacto empresarial.
.png)
