Cuando quien dirige la cuenta de un cliente empieza a rechazar tus textos y sustituye tus entregas por lo que saca una Inteligencia Artificial, no está diciendo que tu trabajo esté mal. Está confundiendo dos cosas distintas: un texto que se genera en segundos y un criterio que se ha formado durante años. Y esa confusión, si nadie la nombra, puede acabar costándote el cliente.
¿Qué significa que un cliente empiece a preferir lo que saca una Inteligencia Artificial?
Imagina a una consultora que lleva doce años redactando informes y análisis para clientes de distintos sectores. Con uno de ellos, la relación cambia poco a poco: el responsable de contenidos empieza a devolver sus entregas con comentarios como «esto lo puedo generar yo mismo en dos minutos», y a veces adjunta un texto producido por un modelo de lenguaje, pidiendo que se parezca más a eso.
No es que el cliente haya dejado de valorar la relación. Es que ha descubierto una herramienta que produce algo que, a primera vista, se parece a lo que él pagaba, y ahora tiene que decidir si sigue pagando por lo mismo o si puede quedarse solo con la versión gratuita.
¿Por qué cuesta tanto ver la diferencia entre un texto y un criterio?
Un texto generado por una Inteligencia Artificial puede leerse bien, tener buena estructura y sonar convincente. Lo que no lleva dentro es la decisión de qué decir y qué callar, de qué dato es relevante para ese cliente concreto en ese momento concreto, y de qué riesgo merece la pena advertir aunque nadie lo haya preguntado.
Esa diferencia es difícil de explicar porque no se ve a simple vista. Dos textos pueden parecer igual de correctos en la superficie, y solo la persona que conoce el contexto real del cliente sabe que uno de los dos está resolviendo el problema equivocado, o está dejando fuera algo que va a costar caro más adelante.
¿Cómo empieza, en la práctica, este rechazo sistemático?
No suele empezar de golpe. Empieza con comentarios pequeños: «prueba a hacerlo más corto, como esto que generé yo», o «¿por qué tardas tanto si esto lo saca una máquina en un momento?». Cada comentario individual parece razonable. Juntos, con el tiempo, dibujan un patrón: el responsable ya no valora el proceso detrás del texto, solo compara el resultado final con lo que le costó cero esfuerzo obtener.
La consultora del ejemplo empieza a notar que sus entregas se revisan con más lupa que antes, que se cuestiona cada decisión que antes se aceptaba sin discusión, y que las conversaciones sobre el trabajo giran cada vez más alrededor de la comparación con lo que produce la máquina.
¿Qué se siente cuando el trabajo propio se compara con lo que entrega una máquina?
Hay una mezcla de indignación y duda. Indignación porque años de experiencia se están juzgando con la misma vara que un resultado instantáneo y gratuito. Y duda, porque en algún momento uno empieza a preguntarse si de verdad hay tanta diferencia, o si el cliente tiene razón y el precio que se cobra ya no se justifica.
Esa duda es el verdadero riesgo. No es que la máquina sustituya el trabajo de golpe, es que la persona que lo hace empieza a dudar de su propio valor, precisamente en el momento en que más necesita defenderlo con claridad.
¿Qué es lo que realmente no puede replicar una Inteligencia Artificial en este trabajo?
Una Inteligencia Artificial no conoce el histórico de decisiones de ese cliente concreto, no sabe qué proyecto se intentó hace tres años y fracasó, no recuerda qué frase concreta molestó a un socio en una reunión anterior ni por qué. Todo eso forma parte del criterio, y el criterio se construye con tiempo y con memoria compartida, no con una instrucción bien redactada.
Tampoco asume responsabilidad. Si el texto generado por una máquina lleva a una decisión equivocada, no hay nadie al otro lado que responda por ello. La consultora del ejemplo sí responde, con su nombre y su reputación, cada vez que firma un informe. Esa responsabilidad tiene un valor que no aparece en la comparación superficial de dos textos.
¿Por qué el responsable del otro lado no siempre ve esa diferencia?
Porque nadie se la ha explicado en esos términos. El responsable de contenidos ve un ahorro evidente y un resultado que, a su criterio no especializado, parece suficiente. No está actuando de mala fe: está tomando una decisión práctica con la información que tiene, y esa información no incluye lo que se pierde cuando desaparece el criterio detrás del texto.
Explicar esa diferencia no es quejarse de la tecnología. Es poner sobre la mesa, con ejemplos concretos, qué decisiones ha evitado tomar mal ese cliente gracias al criterio de quien redacta, y qué habría pasado si esas decisiones se hubieran tomado solo con lo que entrega una máquina sin supervisión.
¿Ayuda entender cómo funciona realmente una Inteligencia Artificial en este debate?
Sí, y no para atacarla, sino para situarla en su sitio. Un modelo de lenguaje predice la siguiente palabra más probable a partir de patrones que ha visto en enormes cantidades de texto. No entiende el negocio del cliente, no ha estado en las reuniones donde se decidió una estrategia, y no puede pesar dos riesgos contrapuestos y elegir cuál asumir.
Cuando se explica esto con calma, sin tono defensivo, muchos responsables entienden mejor por qué el resultado que obtienen en segundos no puede sustituir el trabajo completo, aunque sí pueda ser útil como borrador o como punto de partida dentro de un proceso que sigue necesitando una persona que decida.
¿Qué pasa si se acepta la comparación en los términos que la plantea el cliente?
Si se entra en el juego de comparar textos por su apariencia, la partida ya está perdida, porque en apariencia, una Inteligencia Artificial bien utilizada produce textos correctos con mucha rapidez. Competir en ese terreno es competir donde la máquina siempre va a ganar en velocidad y en coste.
El terreno donde de verdad se compite es otro: el de la responsabilidad, el del contexto acumulado y el de las decisiones evitadas. Trasladar la conversación a ese terreno no es fácil, pero es la única forma de que la comparación deje de ser injusta.
¿Cómo se recupera el valor de un criterio que nadie está reconociendo?
El primer paso es dejar de dar por hecho que el cliente entiende, sin que se lo digas, en qué consiste tu trabajo más allá de las palabras que entregas. Mostrar el proceso, explicar por qué se tomó una decisión concreta y no otra, y señalar con ejemplos reales los momentos en los que ese criterio evitó un problema.
El segundo paso es aceptar que quizá con ese cliente concreto, si insiste en comparar por precio y velocidad, la relación tenga que cambiar de forma o incluso terminar. No todos los clientes están dispuestos a pagar por criterio, y seguir insistiendo con quien no lo valora agota más de lo que compensa.
¿Qué puedes hacer cuando esto se repite con más de un cliente?
Si el patrón se repite en varias relaciones, el problema ya no es de un cliente en particular. Es una señal de que hace falta revisar cómo se comunica el valor del propio trabajo desde el principio, antes de que la comparación con una máquina se instale como el punto de referencia.
Esa revisión suele empezar por algo tan simple como dejar de justificar el precio por las horas dedicadas y empezar a justificarlo por las decisiones que ese trabajo evita tomar mal. Es un cambio de lenguaje pequeño que, sostenido con constancia, cambia también cómo te ve un cliente que hasta ahora solo comparaba resultados finales.
Lo que llevas años haciendo mejor que nadie ya lo hace una máquina en minutos, pero hay una parte que no, y saber nombrar esa parte cambia por completo cómo se defiende un precio. Ser bueno en tu oficio ya no significa exactamente lo mismo que hace cinco años, y adaptarse a eso no es una opción, es una condición para seguir en el mercado. Hay un lado de este cambio que va a desaparecer y otro que va a quedarse, y la diferencia rara vez la marca la tecnología en sí misma.
Evolution trabaja exactamente sobre este problema: cómo traducir años de criterio en un valor que un cliente entienda y esté dispuesto a pagar, aunque tenga una Inteligencia Artificial gratis a un clic de distancia. Descubre cómo Evolution te ayuda a defender lo que la máquina no puede ofrecer.
Sobre el autor
Javier G. Amblar lleva 27 años formando profesionales, con más de 33.000 alumnos en 55 países. Fue profesor asociado del IE Business School, con el Premio a la Excelencia Docente entre sus reconocimientos, y ha aparecido en RTVE, Telemadrid, Onda Cero y EsRadio. Es autor del libro Liderazgo (Editatum, 2018), dirige un canal de YouTube con más de 368.000 suscriptores y forma parte de la vida de una comunidad en línea de más de 500.000 personas. Conoce Evolution.
