La respuesta estaba perfecta.
Por eso nadie la cuestionó.
Lo has vivido en una junta. Alguien proyecta el texto. Bien redactado. Con orden. Con números. Y tú sientes que algo no cuadra, pero no sabes cómo decirlo sin parecer que estás en contra de la tecnología.
¿Quién se anima a contradecir a la IA cuando suena tan segura? Esa es la pregunta que se queda flotando. Nadie la resuelve. Se pasa al siguiente punto.
Yo la escucho seguido. Y casi siempre esconde otra pregunta más incómoda.
No es si la IA se equivocó.
Es quién en tu empresa todavía tiene permiso para decir que la pregunta estuvo mal hecha.
El caso que no falló por datos
Una empresa vendía accesorios en línea. Tenía su tienda montada en woocommerce. Buen tráfico. Buen producto. Ventas estancadas.
El equipo le pidió ayuda a la IA para mover inventario. La respuesta llegó rápido. Clara. Convincente.
Proponía una promoción fuerte en los productos que menos se movían. Con textos listos. Con calendario. Con argumentos.
El equipo la revisó. No fue un caso de copiar y pegar sin mirar.
Miraron los números. Miraron los textos. Todo tenía lógica.
La lanzaron.
Se vendió un poco más. El margen se hizo más chico.
Y el estancamiento siguió ahí.
Fuimos a ver qué había debajo.
La información no estaba mal. El modelo no estaba alucinando. Cuando hablo de ia para empresas, este es el punto que más cuesta explicar: a veces el diagnóstico no encuentra datos rotos.
Encuentra una pregunta estrecha.
El equipo había preguntado cómo descontar lo que no se vende. La IA contestó eso. Bien contestado.
Lo que nadie preguntó fue por qué no se vendía.
Las fotos no mostraban la escala real. Las medidas venían en un PDF aparte. Las reseñas hablaban de dudas de compatibilidad que nadie había respondido.
El problema no era el precio. Era la incertidumbre.
El descuento no quitó la incertidumbre. Nada más hizo más barato el riesgo.
Revisar la respuesta no es revisar la decisión
Aquí se rompe un supuesto.
Mucha gente cree que con revisar la redacción ya revisó el trabajo. No.
Revisar sinónimos no es revisar criterio.
En mi trabajo de consultoria en inteligencia artificial veo el mismo patrón. El equipo se vuelve editor. Corrige tono. Ajusta formato. Pule la tabla.
Pero no toca el marco.
La IA propone un camino. El equipo evalúa si el camino está bien pavimentado. Nadie pregunta si era ese camino.
Y como la respuesta suena segura, contradecirla se siente como perder el tiempo.
Me lo dijo ChatGPT se está volviendo la nueva forma de no pensar. Antes era lo dijo mi jefe. O así se ha hecho siempre.
Cambia el jefe. Misma obediencia.
El reporte State of AI in Business 2025 del MIT NANDA ayuda a ponerle tamaño al tema. La cobertura de Fortune y de otros medios resume el hallazgo central: la gran mayoría de los pilotos analizados no mostró impacto financiero medible, mientras una minoría pequeña sí logró acelerar ingresos. Esa brecha es la que explico en el análisis sobre por qué tantos pilotos se quedan sin resultado medible.
Mi lectura es simple. No fallan por falta de respuestas. Fallan por falta de mejores preguntas.
Es lo mismo que le pasa a quien va a vender joyería de oro sin haber revisado el precio del día ni el peso real de la pieza. Puede llevar una argumentación perfecta para negociar. Bien vestida. Bien dicha.
Si el punto de partida está desfasado, la negociación sale mal aunque suene bien.
La forma no salva el fondo.
La pregunta que sí cambia el resultado
Soy extremadamente dispersa. Mi equipo lo sabe.
Por eso me armaron lo que yo llamo mi niñera diaria. Cada mañana me dice qué debo, qué es urgente y qué no se puede caer.
No la uso porque me dé respuestas bonitas. La uso porque me obliga a mirar lo que yo evitaría.
Esa es la función que casi ningún equipo le pide a la IA.
Cuando doy formación sobre chatgpt para empresas, no empiezo por prompts ingeniosos. Empiezo por esto: la IA multiplica tu criterio. No reemplaza la parte donde tienes uno.
Si tu criterio no aparece, el texto lo esconde un rato. Nada más.
Hay dos preguntas distintas sobre la mesa.
Una es qué tarea podemos automatizar.
La otra es qué decisiones estamos tomando con información incompleta porque analizarlo todo tardaría demasiado.
La primera te hace más rápido. La segunda te hace mejor.
La empresa de los accesorios no necesitaba automatizar promociones. Necesitaba decidir con contexto que no estaba mirando: dudas reales de clientes, fricción en la ficha de producto, devoluciones por medidas.
Ese contexto existía. Estaba disperso. Nadie lo había juntado.
Ahí sí hay una oportunidad grande.
No en pedirle otro descuento. En pedirle que lea cien reseñas y te diga qué frena la compra.
La diferencia se nota en cómo mides.
Mucha gente que aprende como usar chatgpt mide minutos ahorrados. Yo pregunto otra cosa: ¿decidimos mejor que antes?
¿Menos devoluciones? ¿Menos promociones que erosionan margen? ¿Menos corazonadas caras?
La IA no me dio más tiempo libre. Trabajo más que nunca.
Lo que cambió es que soy mejor en mi trabajo.
Ese debería ser el estándar.
Entonces vuelvo a la junta del inicio.
La respuesta proyectada en la pared. Bien redactada. Nadie quiere contradecirla.
El problema no es la seguridad con la que suena. El problema es que nadie tiene el rol de preguntar en voz alta si la pregunta fue la correcta.
En mis conferencias lo digo así, y lo sostengo en mi trabajo como conferencista: cada empresa que invierte en IA sin diagnóstico está pagando el doble por la mitad del resultado.
No porque la herramienta sea mala. Porque nadie le puso criterio enfrente.
La automatización no limpia una mala decisión. A veces nada más la convierte en sistema.
Antes de automatizar cualquier cosa yo preguntaría una sola cosa: ¿puedo confiar en la pregunta que le hicimos, no solo en la respuesta que nos dio?
Si la respuesta es no, el modelo es el menor de tus problemas.
Si quieres ver dónde está eso en tu empresa, es justo lo que buscamos en un TRiAGE.
