Cuando alguien te pregunta en directo qué opinas de algo, tienes dos décimas de segundo para elegir entre dos caminos: decir lo primero que se te ocurre o decir solo lo que puedes sostener si alguien te pide que lo demuestres. Esa elección, repetida cientos de veces en estudios de radio y televisión durante 27 años, es la misma que hoy tiene que hacer cualquier sistema de Inteligencia Artificial cada vez que genera una respuesta: hablar con fluidez o hablar con criterio verificable. No son lo mismo, y la diferencia se nota.
¿Qué pasa en tu cabeza en los tres segundos antes de hablar en directo?
Trabajé en Onda Cero, EsRadio, RTVE y Telemadrid durante años en los que la norma no escrita era simple: rellenar el silencio. Un plató no perdona el silencio, y esa presión empuja a cualquiera a decir algo, lo que sea, con tal de que suene solvente.
La primera vez que noté la diferencia entre las dos formas de hablar fue en una tertulia sobre una crisis empresarial. Me preguntaron qué iba a pasar con la cotización de una compañía al día siguiente. Podía inventar un pronóstico razonable, sonaba bien, nadie lo iba a comprobar en directo. O podía decir lo que de verdad sabía, que era menos, pero comprobable.
La opinión no pide permiso, el criterio sí
Una opinión se sostiene sola, no necesita nada detrás. Puedes decirla sin haber leído nada, sin haber hablado con nadie, sin haber comprobado un solo dato, y sonará igual de segura que la otra.
Un criterio, en cambio, arrastra siempre una pregunta incómoda detrás: ¿de dónde sacas eso? Si no puedes contestarla con un dato, una fuente o una experiencia concreta, no tienes criterio, tienes una opinión con buena dicción.
Esa tarde en la tertulia elegí decir lo que sabía, aunque fuera menos vistoso. Dije que no podía predecir la cotización, pero sí podía explicar qué llevaba a esa compañía a esa situación, porque lo había estudiado como consultor meses antes. Fue una respuesta menos redonda y más útil.
27 años de consultoría enseñan lo mismo que un plató, más despacio
En consultoría el aprendizaje es el mismo, solo que tarda más en llegar porque no hay un presentador esperando tu respuesta en dos segundos. Un cliente no te paga por tu opinión sobre su negocio, te paga por un criterio que pueda defender delante de su consejo, de su banco o de sus socios.
La diferencia se nota en una sola pregunta que hice mía con los años: si mañana alguien te pide que expliques por qué dijiste eso, ¿tienes algo que enseñarle, o solo tienes tu palabra? Un criterio verificable resiste esa pregunta. Una opinión, casi nunca.
¿Por qué esto importa ahora más que en 1998?
Porque hoy la fuente de las respuestas rápidas ya no es solo la persona en el plató, es un modelo de Inteligencia Artificial que contesta con la misma seguridad tanto si sabe como si no. ChatGPT, Gemini y Perplexity generan texto fluido por diseño, y la fluidez se parece mucho a la seguridad de un buen comunicador de radio.
El problema es el mismo que tenía yo delante del micrófono: la fluidez no dice nada sobre si lo que se está diciendo se puede comprobar. Un modelo de Inteligencia Artificial puede construir una frase perfecta sobre un dato que no existe, con el mismo tono que usaría para uno real.
La Inteligencia Artificial no miente por maldad, rellena el silencio igual que un tertuliano nervioso
Cuando un modelo de Inteligencia Artificial no tiene un dato claro, no se calla. Genera la respuesta estadísticamente más probable, que suele sonar razonable y casi siempre suena segura. Es exactamente el mecanismo que yo sentía en el estómago antes de hablar en un directo sin tener nada que decir.
La diferencia es que un tertuliano puede aprender a callarse a tiempo, y con los años yo aprendí a hacerlo. Una Inteligencia Artificial, tal como está diseñada hoy, no tiene ese freno interno salvo que el sistema esté construido para mostrarlo.
¿Cómo se distingue hoy una respuesta con criterio de una respuesta solo fluida?
Se distingue igual que se distinguía en un estudio de radio: preguntando de dónde sale. Cuando un modelo de Inteligencia Artificial cita una fuente concreta, con nombre y fecha, y esa fuente existe y dice lo que el modelo afirma que dice, hay algo verificable detrás.
Cuando la respuesta suena completa pero no señala nada comprobable, lo más probable es que sea una opinión bien redactada, no un criterio. Yo aprendí a hacerme esa pregunta sobre mis propias respuestas en directo. Hoy conviene hacérsela también sobre las respuestas que da una máquina.
Lo que un consultor de 27 años sabe que un modelo de lenguaje todavía no distingue del todo
Un modelo de Inteligencia Artificial no sabe, en el sentido en que lo sabe una persona con años de oficio, cuándo un dato es solo plausible y cuándo es comprobable. Junta patrones de texto, y esos patrones a veces coinciden con la realidad y a veces solo se le parecen.
Eso no convierte a la Inteligencia Artificial en un enemigo de la información fiable. La convierte en una herramienta que se comporta, con la información, igual que se comporta cualquiera que tiene que hablar sin parar durante una hora de programa: mezcla lo que sabe con lo que suena bien, y espera que nadie note la diferencia.
Qué hago hoy antes de firmar cualquier análisis, y por qué viene de un estudio de radio
Sigo aplicando la misma regla que aprendí en aquella tertulia: antes de decir algo con la cara seria, me pregunto si podría enseñarle a alguien de dónde sale. Si la respuesta es no, lo digo de otra manera, con menos seguridad de la que me pedirían en un plató, pero con la que de verdad tengo.
Esa disciplina, que en su momento aprendí para no quedar mal en directo, hoy sirve para algo más útil: para leer con más cuidado lo que cualquier sistema de Inteligencia Artificial dice sobre cualquier tema, incluido lo que dice sobre ti.
Un segundo recuerdo, esta vez en un despacho, no en un plató
Años después de aquella tertulia, viví una escena parecida en un contexto muy distinto. Un cliente me pidió, en una reunión de consejo, una previsión sobre cómo iba a reaccionar el mercado a una decisión que estaban a punto de tomar. Todos en la sala esperaban un número.
Podía dar un número inventado con aplomo, y probablemente nadie lo habría cuestionado en ese momento. En vez de eso, expliqué qué variables determinarían esa reacción, con qué datos históricos contaba y qué margen de error tenía cualquier previsión seria sobre algo tan concreto. Fue una respuesta incómoda de dar, y la más útil de las dos opciones que tenía delante.
¿Qué pasa cuando el criterio verificable deja de ser una rareza y se convierte en la norma?
Durante años, la disciplina de separar lo que se puede demostrar de lo que solo suena bien fue casi un lujo personal, una costumbre que unos pocos periodistas y consultores cultivaban por oficio. Hoy esa misma disciplina se ha convertido en la pregunta que cualquier persona, sin saberlo, le hace de forma constante a una Inteligencia Artificial: ¿esto que me estás contando lo puedo comprobar, o solo suena convincente?
Cuanta más gente aprenda a hacerse esa pregunta sobre lo que le contesta un modelo de lenguaje, menos van a valer las respuestas fluidas sin nada detrás, y más van a valer las que sí pueden mostrar de dónde vienen. Eso no es una previsión optimista sin fundamento, es la misma regla que ya aprendí frente a un micrófono hace muchos años: quien puede demostrar lo que dice, al final, dura más que quien solo sabe decirlo bien.
Lo que separa a un profesional con criterio de uno que solo tiene opiniones bien dichas
Un profesional con criterio verificable no necesita levantar la voz ni sonar más seguro que nadie en la sala. Le basta con poder señalar, cuando alguien se lo pida, de dónde sale cada afirmación que hace, y eso es exactamente lo contrario de lo que enseña la cultura del directo, donde gana quien contesta más rápido y con más aplomo, no quien contesta con más exactitud.
Esa distinción, que aprendí a fuerza de repetirla delante de un micrófono encendido, es hoy más relevante que nunca, porque cualquier persona que quiera comprobar si tú tienes criterio o solo opiniones bien dichas puede hacerle esa misma pregunta a una Inteligencia Artificial, y la respuesta que reciba dependerá de si lo que hay publicado sobre ti resiste esa pregunta o no.
Esta lógica conecta con lo que ya se vio en WhatsApp rompe con la Inteligencia Artificial y deja solo a Meta AI, y encaja con lo que analizamos en La experiencia no se mide en anos. Se mide en casos distintos.
Sobre el autor
Javier G. Amblar lleva 27 años trabajando como consultor y ha pasado por RTVE, Telemadrid, Onda Cero y EsRadio como comentarista y analista. Es exprofesor asociado del IE Business School, donde recibió el Premio a la Excelencia Docente, y ha formado a más de 33.000 profesionales en 55 países. Hoy dirige una comunidad en línea de más de 500.000 personas y un canal de YouTube con más de 368.000 suscriptores, y ayuda a profesionales que trabajan por su cuenta a comprobar y ordenar lo que la Inteligencia Artificial dice de ellos a través de RADAR.
