Tener tu propia Inteligencia Artificial no te vuelve mejor profesional. Te vuelve más rápido siendo el profesional que ya eras. Si tu criterio era bueno, la Inteligencia Artificial lo multiplica. Si tu criterio tenía fallos, esos fallos también se multiplican, solo que ahora llegan antes y a más gente.
¿Por qué confundimos «tener tecnología propia» con «tener más criterio»?
Cada pocos meses aparece un despacho, una clínica o un negocio que anuncia que ya tiene «su propia Inteligencia Artificial», entrenada con sus datos y conectada a su web. Se presenta como un salto de categoría, como si el hecho de tener la herramienta ya certificara la calidad del trabajo detrás.
En mis 27 años acompañando a profesionales y negocios, he visto esta confusión repetirse con cada ola tecnológica nueva: primero fue tener página web, luego tener presencia en redes, ahora es tener Inteligencia Artificial propia. La herramienta cambia, el error de fondo no.
El error es pensar que la tecnología certifica el criterio. No lo hace. La tecnología certifica que alguien pagó por instalarla, nada más.
Lo mismo pasó, años atrás, con quienes confundían tener una web bonita con tener un negocio sólido. La web no vendía sola, ordenaba lo que ya existía detrás. Con la Inteligencia Artificial propia ocurre igual: ordena y acelera, no inventa solidez donde no la hay.
¿Qué significa realmente tener una Inteligencia Artificial «propia»?
Tener una Inteligencia Artificial propia, en la práctica, suele significar que un modelo genérico, de ChatGPT, de Gemini o de cualquier otro proveedor, se conecta a los documentos y datos de ese negocio concreto. El modelo no se ha inventado, se ha adaptado.
Eso no es poco. Permite responder más rápido, encontrar información antes, redactar borradores en minutos que antes llevaban horas. Es una ventaja operativa real, y no la voy a negar.
Pero adaptar un modelo a tus datos no le enseña a decidir mejor por ti. Sigue haciendo lo que tú le dices que haga, con la velocidad que tú le permites.
Esa adaptación tiene un límite claro: el modelo aprende el vocabulario y los datos del negocio, pero no aprende a dudar, a preguntar dos veces antes de responder, ni a decir «esto no lo sé» cuando de verdad no lo sabe. Eso sigue dependiendo de quien lo supervisa.
¿Qué es el criterio, en la práctica, después de 27 años de consultoría?
El criterio no es una opinión bien dicha. Es el resultado de haberse equivocado antes, de haber visto un caso salir mal y recordar por qué salió mal la siguiente vez que se parece.
En mis años de consultoría he aprendido más de los proyectos que fallaron que de los que salieron bien. Un proyecto que sale bien confirma lo que ya sabías. Uno que sale mal te enseña algo nuevo, aunque duela.
Ese aprendizaje no está en ningún documento que se pueda subir a una Inteligencia Artificial. Está en la memoria de quien lo vivió, y en la prudencia que deja.
Por eso el criterio no se compra ni se instala. Se acumula despacio, caso a caso, y no hay atajo tecnológico que lo sustituya, por mucho presupuesto que se destine a la herramienta más avanzada del mercado.
¿Multiplica la Inteligencia Artificial lo bueno o lo malo de un profesional?
Las dos cosas, sin distinguir. La Inteligencia Artificial no tiene manera de saber si el criterio que está multiplicando es sólido o es un atajo mal tomado repetido durante años.
Un profesional con buen criterio y una Inteligencia Artificial propia entrega antes lo que ya hacía bien. Un profesional con mal criterio y la misma herramienta comete los mismos errores de siempre, pero los comete más rápido y los reparte a más clientes en menos tiempo.
La velocidad no discrimina. Amplifica lo que ya había, para bien y para mal.
He acompañado negocios que, al automatizar procesos con criterio sólido detrás, mejoraron de verdad su servicio. Y he visto otros que, con el mismo tipo de herramienta pero sin ese criterio, simplemente llegaron más rápido al mismo problema que ya tenían antes.
¿Qué errores se repiten más rápido cuando hay una Inteligencia Artificial propia detrás?
Los errores de diagnóstico son los que más rápido se multiplican. Si un profesional tiende a diagnosticar mal un problema de cliente, la Inteligencia Artificial no corrige ese sesgo, lo ejecuta con más eficiencia.
También se multiplican los errores de tono: si alguien no sabía decir «no» a un cliente que pedía algo fuera de lugar, ahora puede generar esa respuesta equivocada en segundos, para diez clientes a la vez en lugar de uno.
Y se multiplican los errores de plantilla: una respuesta genérica que antes se notaba porque costaba producirla, ahora se produce sin fricción y se envía sin que nadie la revise dos veces.
Incluso los errores de comunicación se multiplican: un tono demasiado frío con un cliente sensible, que antes ocurría de vez en cuando por cansancio, puede convertirse en el tono por defecto de cientos de respuestas automatizadas si nadie lo revisa.
¿Por qué el volumen de respuestas no es sinónimo de calidad de las respuestas?
Responder más rápido a un cliente no significa responder mejor. Puede significar simplemente que la respuesta llega antes de haber sido pensada del todo.
He visto despachos que presumen de contestar en minutos gracias a su Inteligencia Artificial propia, y que cuando reviso las respuestas encuentro el mismo problema de siempre: contestan lo que el cliente pregunta, no lo que el cliente necesita saber. Eso no lo arregla la velocidad, lo agrava.
Un cliente que recibe una respuesta rápida pero equivocada pierde más tiempo corrigiendo el rumbo que si hubiera esperado un poco más por una respuesta bien pensada.
La rapidez, en sí misma, no es un valor que el cliente pida. El cliente pide sentirse entendido y bien atendido, y eso, casi siempre, requiere algo del tiempo de reflexión que la prisa no permite.
¿Se puede entrenar el criterio con Inteligencia Artificial, o solo se entrena con la experiencia?
El criterio se entrena viviendo casos reales, con consecuencias reales, y viendo qué pasa después. Ninguna Inteligencia Artificial, por sofisticada que sea, ha tenido que dar la cara ante un cliente enfadado por una decisión que salió mal.
Lo que sí puede hacer una Inteligencia Artificial es ayudarte a revisar más casos en menos tiempo, y eso, con criterio previo, sí acelera el aprendizaje. Pero acelera el aprendizaje de quien ya sabe mirar, no lo sustituye.
Es la diferencia entre un espejo y un maestro. El espejo te devuelve lo que ya eres, más rápido y más claro. No te enseña a ser otra cosa.
Un profesional joven, con menos casos vividos, puede usar la Inteligencia Artificial para revisar más ejemplos y acelerar su curva de aprendizaje, pero necesita a alguien con criterio ya formado que le diga, de vez en cuando, cuándo esa aceleración lo está llevando por mal camino.
¿Qué pregunta debería hacerse un profesional antes de presumir de su Inteligencia Artificial propia?
La pregunta no es «¿tengo ya mi Inteligencia Artificial propia?». La pregunta es «¿el criterio que estoy a punto de multiplicar es el que quiero que se vea diez veces más rápido?».
Si la respuesta es sí, adelante, la herramienta es un acelerador legítimo. Si hay dudas sobre ese criterio, lo primero no es instalar tecnología, es revisar el trabajo de base antes de darle más velocidad.
En mis 27 años he visto a más negocios meterse en problemas por acelerar algo mal hecho que por ir despacio con algo bien hecho.
Otra pregunta útil es cuánto tiempo llevaría corregir, uno por uno, los casos afectados si el criterio que se multiplicó resultara tener un fallo grave. Si la respuesta asusta, quizás no era el momento de acelerar todavía.
¿Qué cambia de verdad para el cliente cuando el criterio, no la velocidad, es el diferencial?
El cliente no distingue, a simple vista, entre una respuesta generada con Inteligencia Artificial propia y una que no lo es. Lo que sí distingue, casi siempre, es si esa respuesta le resolvió algo real o si solo sonaba bien.
Un profesional que lleva años equivocándose, aprendiendo y corrigiendo, tiene algo que ninguna herramienta puede fabricar de la noche a la mañana: memoria de lo que no funciona. Eso sigue siendo, hoy, lo que un cliente paga de verdad.
La tecnología propia es una ventaja de tiempo. El criterio propio sigue siendo la ventaja que decide si ese tiempo se usa bien o se usa para equivocarse más rápido.
Con el tiempo, los clientes aprenden a distinguir entre un negocio que responde rápido porque piensa bien y responde rápido, y uno que responde rápido porque dejó de pensar. Esa distinción, aunque no se diga en voz alta, se nota en la fidelidad que un negocio consigue mantener.
¿Por qué la velocidad sin criterio sale más cara a largo plazo?
Un error cometido despacio, a mano, se detecta antes porque hay tiempo entre cada paso para revisar lo que se está haciendo. Un error cometido con una Inteligencia Artificial propia, a gran velocidad, se detecta después, cuando ya se repitió muchas veces.
Corregir un error que se cometió una vez cuesta poco. Corregir un error que se repitió cincuenta veces en distintos clientes, con distintas variantes, cuesta mucho más tiempo y mucha más reputación.
En mis 27 años he visto que el coste real de un mal criterio no aparece el primer día, aparece meses después, cuando ya es difícil rastrear cuántas decisiones se tomaron sobre esa base equivocada.
Por eso, antes de acelerar cualquier proceso con Inteligencia Artificial, conviene preguntarse cuánto costaría deshacer cien veces el mismo error, no solo una.
Sobre el autor
Javier G. Amblar lleva 27 años trabajando en consultoría y ha formado a más de 33.000 profesionales en 55 países. Fue profesor asociado del IE Business School, donde recibió el Premio a la Excelencia Docente, y hoy dirige un canal de YouTube con más de 368.000 suscriptores donde analiza estos mismos temas sin humo.
Ha colaborado como analista en RTVE, Telemadrid, Onda Cero y EsRadio, y es autor del libro Liderazgo (Editatum, 2018). Alrededor de su trabajo se ha formado una comunidad en línea de más de 500.000 personas que sigue su criterio sobre tecnología, negocio y toma de decisiones.
Si quieres saber qué dicen hoy ChatGPT, Gemini y Perplexity de ti o de tu negocio, Javier G. Amblar ha desarrollado RADAR, una herramienta gratuita para comprobarlo.
