Llevamos casi tres años oyendo hablar de inteligencia artificial en cada portada, cada feria y cada comida de domingo. Y, sin embargo, una buena parte de los directivos a los que conozco siguen sintiendo que les hablan en otro idioma. No es una crítica: es lo normal cuando una tecnología pasa de laboratorio a calle en menos de tres años.
Este artículo no va a convertirte en ingeniero de IA. Va a darte el mínimo que necesitas para distinguir lo real del marketing, decidir con criterio y evitar tres o cuatro errores caros que estoy viendo repetir en empresas que deberían saberlo mejor.
Por qué esto importa hoy, y no mañana
La pregunta útil ya no es «debería mi empresa usar IA». Esa pregunta es de 2023. La pregunta de 2026 es otra: «dónde ya me está afectando la IA aunque yo no la haya autorizado».
Hay IA en el sistema que procesa tus nóminas, en el SaaS de RRHH que prefiltra los currículos antes de que tu equipo los lea, en el chatbot que responde a tus clientes a las once de la noche, en el banco que te concede o te niega financiación. Está dentro, lleva tiempo dentro y no te ha pedido permiso. Lo que está en juego no es si la usas, sino si la entiendes lo suficiente como para gobernarla.
Esto importa especialmente en un medio como D&INews. Porque la IA cada vez decide más sobre personas. Y delegar decisiones sobre personas en sistemas que no entendemos es exactamente lo contrario de gestionar bien la diversidad.
Glosario mínimo viable
Estas son las siete palabras que te ahorran el 80% de los malentendidos cuando alguien te hable de IA en una reunión. Si las dominas, dejas de ser el que asiente; pasas a ser el que pregunta.
IA generativa
La que crea cosas: texto, imágenes, código, audio, vídeo. Es la que ha hecho ruido los últimos dos años. Cuando alguien dice IA, normalmente se refiere a esta.
Modelo de lenguaje grande (LLM, large language model)
Es el motor que hay debajo de herramientas como ChatGPT o Claude. Conviene saber esto: el modelo no «sabe» cosas en el sentido humano. Aprendió estadísticamente con cantidades enormes de texto. Predice la siguiente palabra con muchísima soltura. No tiene conciencia, ni opinión, ni intención.
Prompt
La instrucción que le das al modelo. Aquí está el cuello de botella real para la mayoría de las organizaciones: no es la tecnología, es la calidad de las instrucciones que le damos. Una IA potente con un prompt vago da resultados vagos.
Alucinación
Cuando la IA se inventa un dato y te lo entrega con seguridad de profesor universitario. No es que mienta: es que no sabe que no sabe. Asume siempre que cualquier dato concreto (cifras, fechas, citas, nombres) tiene que verificarse fuera del modelo.
Agente
Una IA que ya no solo responde, sino que ejecuta tareas: navega por internet, manda emails, consulta tu calendario, hace reservas, actualiza tu CRM. Es la palabra de 2025-2026. Si tu proveedor te habla de agentes y no te explica con qué supervisión y qué frenos los despliega, ponte serio.
Entrenamiento frente a uso
El modelo aprendió una vez, con cantidades enormes de texto, hace meses o años. Cuando tú lo usas, normalmente no está aprendiendo de tu conversación. Esta distinción es crítica para entender qué pasa con tus datos (más sobre esto en próximas entregas).
Modelo abierto frente a cerrado
GPT, Claude o Gemini son cerrados: los aloja el proveedor en sus servidores. Llama (Meta) o Mistral son abiertos: te los puedes descargar y ejecutar en tu propia infraestructura. La diferencia importa para soberanía del dato, coste y velocidad.
Con estas siete palabras puedes seguir el 90% de las conversaciones que vas a tener este año sobre IA. Con las 50 palabras técnicas siguientes no ganarías mucho más; ya entrarías en terreno de equipo técnico.
Cinco mitos que te ahorran disgustos
Mito 1: la IA va a sustituir a mi equipo
La IA sustituye tareas, no personas. La pregunta correcta no es «cuánta gente sobra», sino «cómo rediseñamos los puestos para que la gente haga lo que aporta valor y la máquina haga lo repetitivo». Las empresas que empiezan por el despido se quedan sin nadie que entienda el negocio cuando la IA falla. Y falla.
Mito 2: si no soy técnico, no puedo usarla bien
Falso. El cuello de botella ahora mismo no es saber programar. Es saber explicar con precisión lo que quieres. Tu director general probablemente está mejor preparado para usar IA bien que tu equipo técnico, porque lleva treinta años aprendiendo a delegar.
Mito 3: cuanto más larga la pregunta, mejor el resultado
No. Cuanto más precisa y con contexto, mejor. Larga sin foco es ruido. Las mejores instrucciones en IA son las que parecen un brief de agencia: objetivo, audiencia, tono, formato, lo que no se puede usar.
Mito 4: si me da una respuesta, está verificada
Nunca. Ni siquiera cuando suena segura, sobre todo cuando suena segura. Cualquier dato crítico (cifra, fecha, nombre propio, regulación) hay que verificarlo en una fuente externa antes de usarlo en una decisión real.
Mito 5: la IA decide
La IA propone. El que firma, decide y responde sigue siendo una persona, y eso no es una formalidad: es una línea jurídica importante y un principio de gobernanza que en breve va a ser exigible por reglamento.
La IA no decide: propone. La firma sigue siendo humana, y eso no es una formalidad.
El cambio mental que de verdad importa
Si te quedas con una sola idea de este artículo, que sea esta: la IA es un amplificador.
Amplifica lo bueno y lo malo de la organización que la adopta. Si tu equipo de selección ya tomaba decisiones con sesgo (y todos los equipos lo hacemos en algún grado), un sistema de IA mal diseñado las repetirá a mayor escala y más rápido. Si tu cultura tiene buenas prácticas de revisión, criterios claros y voluntad de auditar lo que decide, la IA te va a permitir hacer en una mañana lo que antes te llevaba una semana.
Esa es la razón por la que esta conversación encaja en un medio como D&INews y no, por ejemplo, en una revista de tecnología pura. Porque la pregunta de fondo no es técnica: es de criterio, de gobierno y de personas.
En las próximas entregas vamos a entrar en lo concreto. El próximo número hablaremos de sesgos: cómo aparecen en los sistemas de IA, casos reales que ya han costado dinero y reputación, y qué hacer para no protagonizar uno.
Qué hacer el lunes
- Inventario de IA invisible. Pide a tu equipo de IT, a tu proveedor de RRHH y a tu agencia de marketing que te enumeren qué partes de su servicio ya usan IA y con qué datos. Vas a descubrir cosas.
- Treinta minutos de prueba. Abre ChatGPT o Claude (las versiones gratuitas valen), coge un email tuyo real de la semana pasada, quítale lo confidencial y pídele que te lo reescriba en tres tonos distintos. No para enviarlo: para entender qué hace bien y qué no.
- Una decisión sobre personas. Identifica una única decisión sobre personas que tu organización delega, total o parcialmente, en una herramienta automática. Pregunta quién la audita y con qué frecuencia. Si la respuesta es «nadie», ya tienes el primer punto de tu agenda de gobierno de IA.
Para profundizar
- Atlas of AI, Kate Crawford. El mejor mapa crítico de la industria de la IA, escrito por una de las personas que más saben del tema dentro y fuera de Silicon Valley. Te ayuda a ver la IA como sistema económico y político, no solo como tecnología.
- AI Act resumen ejecutivo (Comisión Europea). Resumen ejecutivo del Reglamento de Inteligencia Artificial de la Unión Europea en castellano. digital-strategy.ec.europa.eu
- One Useful Thing, Ethan Mollick (Wharton School). Newsletter gratuita semanal con aplicación práctica de IA en organizaciones, sin humo. oneusefulthing.org
Sobre el autor
Miguel Quílez, Director · Hiberus Booster. Acompaña a directivos y equipos en la adopción seria y sostenible de IA. Emprendedor y divulgador. Escribe sobre IA aplicada al negocio en Hiberus Booster y en LinkedIn. LinkedIn: linkedin.com/in/miguelquilez — Web: hiberusbooster.com
Comentarios recientes