Cuando las respuestas se vuelven baratas, pensar se vuelve valioso
- Manuel Yanez
- hace 5 horas
- 8 min de lectura
Actualizado: hace 3 horas
La inteligencia artificial está reduciendo el costo de producir respuestas. El nuevo cuello de botella de las organizaciones será saber qué preguntar, qué creer y qué decidir.
Durante mucho tiempo tener la respuesta era lo que tenía más valor.
El médico respondía las preguntas de los pacientes, el abogado conocía las leyes que ayudaban a su cliente. El contador dominaba las reformas fiscales que estructuraban la administración de las empresas.
La información no estaba disponible para todos. El especialista tenía las respuestas y éstas eran la fuente de su poder.
La información tardaba. Cada consulta, cada pregunta, podía tomar días, incluso semanas, en ser respondida. El precio por obtenerla era elevado.
Las personas y las empresas debían tener a la mano el contacto con expertos. Médicos, abogados, contadores. Era necesario un ejército de especialistas para responder dudas y preguntas, obtener datos y generar una estrategia.
Después era necesario obtener información sobre los resultados, medirlos, compartirlos con los especialistas y hacer cambios y ajustes.
Nuestra salud estaba en sus manos.
La física, la económica y la espiritual.
La inteligencia artificial está cambiando el juego.
Hoy podemos formular una pregunta y obtener en segundos una explicación, un análisis, un contrato preliminar, una estrategia comercial, código, una presentación o una comparación de escenarios.
Por supuesto, no significa que todas esas respuestas sean correctas.
Tampoco lo eran cuando llegaban de los expertos profesionales.
El cambio profundo es que obtener una respuesta dejó de ser difícil, dejó de tomar días o semanas y su costo se volvió casi insignificante.
Esto cambia el sitio donde asignamos el valor.
Tener una respuesta ya no significa haber comprendido
El valor estaba en tener la respuesta a cada pregunta.
Mientras más respuestas dabas, más valioso eras.
Cuando un estudiante entregaba un ensayo, suponíamos que había leído, comprendido, relacionado ideas y construido una conclusión.
Cuando un empleado entregaba un reporte, suponíamos que había recopilado información, analizado los datos y comprendido lo que significaban.
Cuando un ejecutivo presentaba una estrategia, suponíamos que había estudiado el mercado, evaluado alternativas y decidido una dirección.
La inteligencia artificial rompió esa relación.
Hoy alguien puede producir un excelente documento sin comprender a fondo su contenido.
Puede entregar un análisis resultado de información que nunca leyó.
Incluso puede construir una presentación sobre un tema que conoce de manera superficial.
Puede obtener la respuesta correcta sin saber por qué es correcta o, peor aún, obtener una respuesta técnicamente correcta para un problema completamente equivocado.
La IA no creó el problema.
Lo hizo visible.
Durante mucho tiempo confundimos el resultado del pensamiento con el pensamiento mismo.
Hoy ya no podemos hacerlo.
El nuevo problema no es obtener respuestas
Supongamos que recibimos un informe de resultados donde:
Las ventas bajaron 12%.
Entonces se le ocurre al director de finanzas o al de mercadotecnia “preguntar” a su LLM, ChatGPT, Gemini o Claude:
“Las ventas bajaron 12%. Analiza las causas y dime qué debemos hacer”.
Muy probablemente recibirá una respuesta que suene convincente.
Quizá la IA recomiende revisar precios, fortalecer marketing, segmentar clientes, capacitar vendedores, crear promociones, analizar competidores, mejorar canales digitales o modificar la oferta.
Todo puede sonar razonable.
Algunas recomendaciones incluso pueden ser correctas.
Pero la verdad es que se hizo la pregunta cuando aún no se conocía cuál era el problema real.
Me explico.
Antes de preguntar “¿Qué hacemos?”, todavía es necesario responder:
¿Bajaron las ventas en dinero o en unidades?
¿En todos los productos?
¿En todas las regiones?
¿En todos los clientes?
¿La caída comenzó este mes o lleva un año?
¿El mercado está disminuyendo?
¿Apareció un competidor?
¿Perdimos clientes o están comprando menos?
¿Aumentamos precios?
¿Existe inventario suficiente?
¿El verdadero problema son las ventas o la rentabilidad?
La IA puede producir una excelente respuesta a una pregunta mal estructurada.
El riesgo de recurrir de inmediato a la IA no es únicamente que responda mal.
El gran peligro es que responda extraordinariamente bien a la pregunta equivocada y que, a partir de esa respuesta, se tomen decisiones sobre el futuro de la empresa.
Cuando generar alternativas es fácil, elegir se vuelve difícil
Antes, producir diez escenarios podía requerir días, incluso semanas.
Hoy podemos pedir cien y recibirlos en minutos.
Antes, desarrollar varias estrategias comerciales exigía reunir a un equipo.
Hoy una sola persona es capaz de generarlas en un solo día.
Antes, investigar múltiples hipótesis tenía un costo considerable.
Ese costo está disminuyendo.
Es una enorme ventaja.
Pero desplaza el problema.
Cuando las posibilidades aumentan, también aumenta la necesidad de criterio.
La dificultad ya no consiste en producir alternativas.
Consiste en distinguir cuáles tienen sentido.
Ahora se trata de saber:
Qué información utilizar.
Qué supuestos aceptar.
Qué riesgos asumir.
Qué consecuencias considerar.
Qué alternativa corresponde realmente al propósito de la organización.
Ahora el valor está en elegir correctamente.
El nuevo cuello de botella es el criterio
Suponemos, equivocadamente, que el valor de la IA radica en la productividad.
Cuántas horas ahorra la IA.
Cuántas tareas automatiza.
Cuántos documentos produce.
Cuántas personas pueden realizar el trabajo que antes requería un equipo.
No estamos midiendo lo que más importa.
La productividad responde:
¿Cuánto podemos producir?
El criterio responde:
¿Qué debemos producir?
Son preguntas distintas.
Una organización puede producir más reportes y continuar tomando malas decisiones.
Puede contestar más rápido a sus clientes y no entender qué necesitan.
Puede automatizar compras y comprar lo que no necesita.
Puede generar cien campañas publicitarias antes de conocer el problema de mercado que debe resolver.
Una empresa puede utilizar IA en cada departamento y continuar siendo una organización que piensa equivocadamente.
La tecnología amplifica el sistema en el que entra.
Si existe claridad, puede amplificarla.
Si lo que existe es confusión, también.
La empresa no necesita solamente personas que sepan usar IA
Cada vez más organizaciones están capacitando a sus equipos para que sean “expertos” en:
Prompts.
Copilots.
Agentes.
Automatizaciones.
Herramientas.
Por supuesto que tener este conocimiento es necesario.
Pero existe un gran riesgo.
Podemos enseñar a las personas a utilizar herramientas extraordinariamente poderosas sin enseñarles qué hacer con ellas.
Saber redactar un prompt no significa saber definir un problema.
Saber obtener información no significa saber interpretarla.
Saber generar alternativas no significa saber decidir.
Saber automatizar un proceso no significa que el proceso sea útil.
La competencia fundamental no es saber usar la inteligencia artificial.
Es saber dirigirla.
No se trata de tener cien respuestas.
Se trata de saber hacer las preguntas adecuadas.
Antes de usar la IA, primero debemos saber qué queremos conseguir.
El problema empieza antes del prompt
Existe una obsesión por encontrar el prompt correcto.
El prompt perfecto.
La estructura ideal.
La palabra que producirá mejores resultados.
La realidad es que el problema empieza mucho antes de escribir.
Empieza cuando alguien decide:
qué quiere entender,
qué problema está intentando resolver,
qué información necesita,
qué restricciones existen,
qué consecuencias son aceptables
y, lo más importante,
quién tomará la decisión final.
Hasta entonces tendrá sentido preguntar.
La interacción con la inteligencia artificial depende mucho menos de nuestra habilidad para redactar una instrucción hermosa que de la claridad del pensamiento que existe detrás de ella.
Un buen prompt no corrige un pensamiento equivocado. Sólo lo presenta mejor.
Estamos confundiendo productividad con capacidad
Algo similar ocurre con las personas.
Un colaborador usa IA y ahora termina en una hora lo que antes hacía en cuatro.
¡Excelente!
Somos más productivos.
Aparece ahora una nueva pregunta:
¿Qué hace con las tres horas restantes?
Si únicamente produce cuatro veces más de lo mismo, hemos mejorado la velocidad.
Si utiliza ese tiempo para comprender mejor al cliente, investigar causas, explorar alternativas, hablar con otras áreas, revisar decisiones o aprender algo nuevo, hemos aumentado su capacidad.
No es lo mismo.
La verdadera promesa de la inteligencia artificial no debería ser que las personas piensen menos, pero más rápido.
Debería ser liberar espacio para que puedan pensar en todo aquello para lo que antes no tenían tiempo.
Aquí aparece una paradoja
Mientras las empresas necesitan más criterio, podemos estar eliminando algunos de los espacios donde ese criterio se desarrollaba.
El analista joven investigaba, preparaba información y construía reportes.
Cometía errores que su jefe inmediato corregía.
Entraba a reuniones donde observaba cómo se tomaban las decisiones trascendentes y, con el tiempo, entendía cosas que ningún manual le había explicado.
Gran parte de esas tareas iniciales puede ahora realizarse con inteligencia artificial.
Desde el punto de vista de la eficiencia parece lógico automatizarlas.
Pero esas tareas cumplían otra función.
El aprendizaje.
La organización obtenía trabajo y, simultáneamente, formaba a una persona.
Si eliminamos el trabajo inicial, tendremos que construir deliberadamente otra forma de adquirir experiencia.
De lo contrario, podemos obtener una eficiencia inmediata y crear un problema futuro:
Personas capaces de usar herramientas avanzadas sin haber desarrollado el criterio necesario para dirigirlas.
Algo parecido está ocurriendo en la educación
Un estudiante pregunta:
“¿Para qué debo aprender esto si puedo encontrarlo en YouTube?”
Ahora puede preguntar algo todavía más poderoso:
“¿Para qué le pregunto al profesor si puedo preguntárselo a una inteligencia artificial?”
La pregunta merece una respuesta seria.
Si el propósito de la educación fuera únicamente almacenar información, tendría razón.
Si aprender consistiera únicamente en producir respuestas, también.
Pero aprender significa algo diferente.
Significa construir relaciones entre conceptos.
Detectar contradicciones.
Comprender causas.
Imaginar consecuencias.
Transferir conocimiento de una situación a otra.
Desarrollar criterio.
Eso nos permite reconocer cuándo una respuesta no tiene sentido.
La inteligencia artificial puede darle al estudiante una respuesta.
No puede recorrer por él el proceso mediante el cual desarrolla la capacidad para reconocer si esa respuesta merece ser aceptada.
Las organizaciones tendrán que aprender a evaluar pensamiento
Esto también cambiará la forma de trabajar.
Ya no es suficiente evaluar quién produce el mejor documento.
Hoy hay que observar quién entiende el problema.
Quién hace preguntas que nadie había formulado.
Quién descubre información faltante.
Quién reconoce que los datos contradicen la explicación inicial.
Quién cambia de opinión cuando aparece evidencia nueva.
Quién puede defender una decisión.
Quién puede explicar sus criterios.
Quién reconoce cuándo no sabe.
La inteligencia artificial hará cada vez más difícil distinguir talento observando solamente resultados.
Hoy debemos observar procesos de pensamiento.
Están surgiendo dos tipos de organizaciones
Unas utilizarán inteligencia artificial para producir más.
Más documentos.
Más reportes.
Más análisis.
Más contenido.
Más presentaciones.
Más velocidad.
Buscan aumentar su productividad.
Otras utilizarán inteligencia artificial para mejorar su manera de pensar.
Harán explícitos sus criterios.
Documentarán decisiones.
Cuestionarán supuestos.
Construirán memoria organizacional.
Simularán escenarios.
Compararán alternativas.
Detectarán contradicciones.
Aprenderán de sus errores.
Van tras algo mucho más importante:
capacidad organizacional.
La diferencia no estará en la herramienta.
Probablemente utilizarán las mismas.
La diferencia estará en la arquitectura de pensamiento que exista detrás.
EnterpriseThinking
Ésta es precisamente la idea detrás de EnterpriseThinking.
Una organización no necesita comenzar preguntando:
¿Qué podemos hacer con inteligencia artificial?
Necesita comenzar preguntando:
¿Qué queremos conseguir?
Después:
¿Qué problema debemos resolver?
¿Qué sabemos?
¿Qué estamos suponiendo?
¿Qué información nos falta?
¿Qué decisión debemos tomar?
¿Qué criterios debemos utilizar?
¿Qué parte puede ejecutar una máquina?
¿Qué parte requiere juicio humano?
¿Quién asume la responsabilidad?
Sólo entonces aparece la tecnología.
No como protagonista, sino como parte de un sistema.
La respuesta puede ser artificial. La responsabilidad no.
Una inteligencia artificial puede analizar información para:
Encontrar patrones.
Generar opciones.
Recomendar acciones.
Ejecutar instrucciones.
Pero no conoce el propósito de nuestra organización.
No sabe qué consecuencias estamos dispuestos a aceptar ni comparte nuestra responsabilidad frente a empleados, clientes, proveedores o sociedad.
No tiene algo que perder si la decisión resulta equivocada.
Nosotros sí.
Por eso el criterio no puede delegarse completamente.
Se puede distribuir el trabajo.
Se puede aumentar nuestra capacidad.
Se pueden usar sistemas cada vez más autónomos.
Pero la responsabilidad seguirá siendo nuestra.
El valor está cambiando de lugar
La inteligencia artificial no está haciendo irrelevante al pensamiento.
Está haciendo irrelevantes muchas actividades que confundíamos con pensar:
Recopilar información.
Resumir.
Redactar.
Hacer una presentación.
Incluso producir una respuesta correcta no demuestra necesariamente pensamiento.
Pensar ocurre antes y después.
Antes:
cuando decidimos qué merece nuestra atención.
Después:
cuando interpretamos lo recibido y decidimos qué hacer con ello.
La IA ocupa cada vez más espacio en medio.
Pero eso no disminuye nuestro papel.
Al contrario.
Lo hace más evidente.
Antes el conocimiento era escaso y las respuestas muy costosas.
Ahora comenzamos a vivir en una realidad diferente.
Las respuestas son abundantes.
Increíblemente rápidas.
Convincentes.
Incluso, a veces, extraordinarias.
Precisamente por eso necesitaremos personas capaces de detenerse frente a ellas y preguntar:
¿Tiene sentido?
¿Con base en qué?
¿Qué falta?
¿Qué estamos suponiendo?
¿Qué sucedería si estamos equivocados?
¿Qué deberíamos hacer?
Cuando las respuestas están disponibles para todos, la ventaja ya no pertenece a quien tiene más respuestas.
Pertenece a quien sabe qué merece ser preguntado, qué respuesta merece ser creída y qué decisión merece ser tomada.
La inteligencia artificial está haciendo las respuestas más baratas.
Pensar acaba de volverse mucho más valioso.
Comentarios