Cuando todo el mundo usa la misma Inteligencia Artificial para escribir, decidir o resolver lo mismo, la herramienta deja de ser lo que te distingue. Lo que queda, lo único que no se puede copiar con un mismo modelo y un mismo prompt, es el criterio: la experiencia acumulada y la responsabilidad real sobre una decisión.
¿Por qué deja de ser una ventaja usar la misma Inteligencia Artificial que todo el mundo?
Durante años, la tecnología fue una ventaja competitiva real: quien la tenía antes, o la usaba mejor, se distinguía del resto. Con la Inteligencia Artificial generativa eso ha dejado de ser cierto en la mayoría de los casos, porque miles de profesionales usan hoy el mismo ChatGPT, la misma Gemini o el mismo asistente, entrenados con datos parecidos y optimizados para dar la respuesta más probable, no la más propia.
Si dos personas le piden lo mismo a la misma herramienta, obtienen resultados que se parecen mucho entre sí. Eso no es una opinión mía: es lo que empiezan a confirmar los estudios que miden qué pasa cuando miles de profesionales dependen de la misma fuente para pensar.
¿Qué demuestra el estudio sobre la homogenización del contenido con Inteligencia Artificial?
Un trabajo académico de Chaoran Liu, Tong Wang y S. Alex Yang, publicado en julio de 2025 y disponible en SSRN, analizó directamente este fenómeno en marketing digital bajo el título Generative AI and Content Homogenization. Su conclusión central es sencilla de entender: cuando miles de equipos alimentan a modelos parecidos con instrucciones parecidas, el resultado converge hacia las mismas estructuras, los mismos tonos y las mismas ideas, sin importar quién firme el texto.
La explicación técnica es igual de directa. Los modelos de lenguaje aprenden de un mismo conjunto de datos masivo y están diseñados para producir la salida estadísticamente más probable dado ese entrenamiento. Cuando miles de negocios piden algo parecido, el modelo tiende a devolver variaciones de la misma respuesta «segura», no una respuesta distinta para cada uno.
¿Qué pasó cuando Milán limitó temporalmente el uso de ChatGPT en sus restaurantes?
El mismo estudio de 2025 aprovechó un experimento natural revelador: un periodo en que un grupo de restaurantes de Milán dejó de usar ChatGPT para su contenido de marketing. Durante ese periodo, el contenido que publicaban mostró una caída del 15% en similitud léxica y del 12% en similitud sintáctica frente al de sus competidores, comparado con antes y después de la prohibición.
Traducido: sin la Inteligencia Artificial, esos restaurantes volvieron a sonar distintos entre sí. En cuanto la retomaron, sus textos volvieron a parecerse. El dato no dice que la herramienta sea mala; dice que, usada sin criterio propio encima, empuja hacia el mismo punto medio a todo el que la usa igual. Es una prueba práctica, no una teoría: en el mismo mercado, con los mismos clientes potenciales, la voz propia solo reaparece cuando se retira la muleta que la homogeneiza.
¿Por qué cada vez más gente confía menos en el contenido hecho con Inteligencia Artificial?
Capgemini, la consultora que sigue de cerca la percepción del consumidor sobre estas herramientas, registró una caída de la confianza en el contenido generado con Inteligencia Artificial del 73% al 55% entre 2023 y 2025. No es que la gente haya dejado de usar estas herramientas: es que ha aprendido a reconocer cuándo un texto, una respuesta o una recomendación suenan a plantilla, y esa señal empieza a restar en lugar de sumar.
Ese cambio de percepción es la otra cara de la homogenización. Cuando todo suena parecido, lo parecido deja de generar confianza, porque confianza es, en el fondo, la sensación de que alguien concreto, con nombre y responsabilidad, está detrás de lo que dice.
¿Qué es exactamente lo que la herramienta no te puede dar?
Una Inteligencia Artificial puede procesar información a una velocidad que ningún humano alcanza, y puede hacerlo razonablemente bien. Lo que no puede hacer es haberse equivocado de verdad en una decisión hace quince años, haber cargado con las consecuencias de esa equivocación, y haber ajustado su criterio a partir de esa experiencia concreta. Eso no se entrena con datos genéricos: se construye caso a caso, con el tiempo.
Tampoco puede asumir la responsabilidad de una decisión. Cuando algo sale mal, nadie le reclama nada a un modelo de lenguaje. Se lo reclaman a la persona que firmó el consejo, la estrategia o el diagnóstico, y esa responsabilidad, precisamente porque tiene un coste real, sigue siendo escasa.
Esa escasez es, en el fondo, la raíz de todo lo demás. Cuando algo es fácil de conseguir, deja de tener valor de mercado por sí solo; cuando algo sigue siendo difícil de conseguir, como cargar con las consecuencias de una decisión, mantiene su valor aunque la herramienta que la rodea se haya vuelto gratuita para todos.
¿Es esto nuevo, o ya pasó antes con otras herramientas?
No es la primera vez que una tecnología se vuelve accesible para todos a la vez. La hoja de cálculo, el correo electrónico o el buscador de internet también empezaron siendo una ventaja de quien los dominaba antes, y terminaron siendo algo que todo el mundo sabía usar igual de bien. En cada una de esas olas, la diferenciación no desapareció: se movió un nivel más arriba, hacia lo que la herramienta no podía hacer por sí sola.
Con la Inteligencia Artificial generativa el patrón se repite, pero a mayor velocidad. Lo que antes tardaba una década en convertirse en estándar, ahora tarda meses. Eso no cambia el fondo del problema: sigue siendo el criterio, no la herramienta, lo que separa a quien resuelve bien de quien solo produce rápido.
¿Qué diferencia a quien ya lo ha entendido?
En mis años trabajando con profesionales de distintos sectores, la diferencia entre quien saca partido real a la Inteligencia Artificial y quien se queda igual que todos los demás casi nunca está en qué modelo usa. Está en qué le pide, con qué matices corrige lo que recibe y, sobre todo, en qué momento decide no usarla porque el caso concreto lo pide otra cosa.
Ese tipo de decisión, la de saber cuándo la herramienta ayuda y cuándo estorba, no viene con el modelo. Viene de haber trabajado lo suficiente como para reconocer, casi sin pensarlo, qué situaciones necesitan una respuesta estándar y cuáles necesitan algo hecho a medida.
¿Qué significa tener criterio después de veintisiete años de oficio?
En veintisiete años de trabajo con profesionales y organizaciones de muchos sectores, he visto repetirse el mismo patrón: la información se puede conseguir cada vez más rápido, pero saber qué hacer con esa información en un caso concreto, con un cliente concreto y unas limitaciones concretas, sigue exigiendo algo que no está en ningún buscador ni en ningún modelo: haberlo vivido antes, en una situación parecida pero nunca igual.
El criterio no es un truco ni una técnica que se enseñe en una tarde. Es la acumulación silenciosa de decisiones tomadas, algunas acertadas y otras no, que terminan formando un instinto profesional que ninguna herramienta puede replicar en abstracto.
¿Cómo se nota el criterio cuando todo el mundo tiene la misma herramienta?
Se nota, sobre todo, en lo que un profesional decide no hacer. Cualquier Inteligencia Artificial puede generar diez recomendaciones plausibles para un problema; el criterio es lo que permite descartar nueve de ellas porque, en ese caso concreto, no van a funcionar, aunque sobre el papel parezcan igual de razonables que la décima.
Esa capacidad de descartar, más que la de generar, es la que distingue a alguien con oficio de alguien que solo sabe manejar bien una herramienta. El riesgo real casi nunca viene de la tecnología en sí misma, viene de dejar de pensar por cuenta propia porque la herramienta ya piensa por ti.
¿Qué deberías hacer distinto a partir de ahora?
Usar la Inteligencia Artificial para lo que de verdad ahorra tiempo (organizar, resumir, generar un primer borrador) y reservar para ti la parte que ninguna herramienta puede firmar: la decisión final, el matiz que solo ves porque conoces el caso, la responsabilidad de decir que algo no va a funcionar aunque suene bien.
La Inteligencia Artificial va a seguir cambiando la forma en que trabajamos, eso ya no está en discusión. Lo que sí sigue en tu mano es que, cuando todos usen la misma herramienta para lo mismo, se note quién lleva veintisiete años equivocándose, aprendiendo y respondiendo por sus decisiones, y quién solo sabe escribir un buen prompt.
Sobre el autor
Javier G. Amblar suma 27 años de experiencia y ha formado a más de 33.000 profesionales en 55 países. Fue profesor asociado del IE Business School, distinguido con el Premio a la Excelencia Docente, y ha colaborado con RTVE, Telemadrid, Onda Cero y EsRadio. Es autor del libro Liderazgo (Editatum, 2018), su canal de YouTube supera los 368.000 suscriptores y su comunidad en línea reúne a más de 500.000 personas. Descubre qué dice hoy la Inteligencia Artificial de tu nombre con RADAR.
