Cómo usar IA en una empresa sin dejarle todo el trabajo
Porque “IA en una empresa” aparece de forma natural y podemos integrarla sin destrozar el texto repitiendo “inteligencia artificial para empresas” veinte veces.
La situación ha dado un giro curioso.
Ahora a veces somos nosotros los que intentamos entregárselo entero.
“Hazme una estrategia.”
“Crea mi marca.”
“Programa la plataforma.”
“Escribe veinte publicaciones.”
“Analiza mi empresa.”
“Diseña el producto.”
Enter.
Y esperamos.
La inteligencia artificial puede generar una respuesta en segundos. El pequeño detalle es que también puede generar una respuesta equivocada en segundos, perfectamente redactada, ordenada y con una confianza que muchos humanos quisiéramos tener un lunes por la mañana.
Por eso la pregunta interesante para una empresa ya no debería ser:
¿Podemos utilizar IA para hacer esto?
En muchísimos casos la respuesta será sí.
La pregunta útil es:
¿En qué parte de este trabajo aporta valor la IA y en qué parte necesitamos que una persona entienda, cuestione, decida y responda por el resultado?
Ahí empieza la diferencia entre utilizar inteligencia artificial y simplemente delegarle el cerebro de la empresa.
Tal vez entendimos mal para qué sirve la IA
En OhMoxxie Studio trabajamos en un espacio bastante particular.
Un proyecto puede empezar con una conversación.
Después convertirse en investigación.
Pasar por estrategia.
Llegar a diseño.
Convertirse en código.
Transformarse en un modelo tridimensional.
Acabar impreso, lijado, pintado, instalado en un set o entregado dentro de una caja.
Nuestro proceso se resume así:
IDEA → ESTRATEGIA → DISEÑO → PROTOTIPO → FABRICACIÓN → EXPERIENCIA
La IA puede aparecer prácticamente en cada etapa.
Puede ayudarnos a analizar información.
Puede resumir documentos.
Puede encontrar relaciones que tardaríamos horas en descubrir.
Puede generar alternativas.
Puede revisar código.
Puede ayudarnos a visualizar un objeto antes de fabricarlo.
Puede transformar una imagen en geometría 3D.
Puede colaborar en una investigación SEO.
Puede analizar datos de una campaña.
Todo eso es real.
Pero ninguna de esas capacidades elimina una pregunta fundamental:
¿Qué estamos intentando conseguir?
Una herramienta puede acelerar un proceso.
No necesariamente sabe por qué ese proceso existe.
La IA democratizó la ejecución. No el criterio
Durante años, muchas habilidades estuvieron limitadas por la ejecución.
Para crear determinadas imágenes necesitabas dominar software complejo.
Para programar necesitabas conocer lenguajes y sintaxis.
Para construir un modelo tridimensional necesitabas horas de modelado.
Para analizar grandes volúmenes de información necesitabas equipos considerables.
La IA está reduciendo muchas de esas barreras.
Eso es extraordinario.
Pero aparece una confusión peligrosa:
que algo sea más fácil de producir no significa que sea más fácil producir algo bueno.
Dos personas pueden utilizar exactamente la misma herramienta de IA.
Una obtiene algo genérico.
La otra obtiene algo excelente.
¿Qué cambió?
No necesariamente la herramienta.
Cambió la pregunta.
Las referencias.
El contexto.
La experiencia.
La capacidad de detectar una mentira convincente.
El conocimiento del cliente.
El gusto.
La curiosidad.
La capacidad de relacionar cosas que aparentemente no tenían conexión.
El criterio.
La IA ha democratizado buena parte de la ejecución.
Todavía no ha democratizado automáticamente saber qué merece ejecutarse.
Cómo debería utilizar realmente una empresa la IA
Una implementación pobre de inteligencia artificial podría ser:
“Hazme una campaña para vender este producto.”
Obtendremos algo.
Probablemente tendrá un headline.
Quizá algunos anuncios.
Un público objetivo.
Puede que hasta un calendario de contenidos.
Eso no significa que exista una estrategia.
Una implementación más interesante empieza antes.
La empresa define qué vende.
Una persona entiende al cliente.
La IA ayuda a investigar el mercado.
Se analizan competidores.
Se estudian reseñas.
Se agrupan objeciones.
La IA ayuda a descubrir patrones.
Una persona revisa si esos patrones tienen sentido.
El estratega determina el posicionamiento.
Entonces la IA vuelve a participar.
Produce alternativas.
Genera hipótesis.
Ayuda a prototipar conceptos.
El equipo selecciona.
Diseña.
Prueba.
Publica.
Llegan datos reales.
La IA puede ayudar otra vez a analizarlos.
Finalmente alguien toma una decisión.
La inteligencia artificial aparece muchas veces.
Pero en ningún momento desaparece la responsabilidad humana.
Esa es la diferencia.
No está en utilizar IA o no utilizarla.
Está en el proceso.
Qué herramientas de IA puede utilizar una empresa
El ecosistema cambia tan rápido que cualquier lista queda vieja con relativa facilidad.
Por eso tiene más sentido pensar primero en el trabajo y después en la herramienta.
Investigación y análisis
Herramientas como ChatGPT, Claude, Gemini, Perplexity o NotebookLM pueden utilizarse para investigar, resumir información, comparar documentos, analizar archivos, buscar patrones, plantear hipótesis o preparar preguntas.
Pero la persona todavía tiene que:
comprobar fuentes;
entender el contexto;
detectar errores;
decidir qué información importa;
y cuestionar las conclusiones.
La IA puede leer muchísimo.
Eso no significa que automáticamente entienda qué es importante para tu empresa.
Marketing, SEO y contenido
En marketing puede ayudar a:
investigar competidores;
analizar comentarios de clientes;
encontrar preguntas frecuentes;
plantear estructuras;
generar variantes;
crear primeros borradores;
analizar datos;
adaptar contenidos a distintos formatos;
y encontrar oportunidades.
Pero hay una diferencia enorme entre producir contenido y tener una estrategia.
Si una empresa no sabe:
quién es su cliente;
qué problema resuelve;
por qué alguien debería elegirla;
qué personalidad tiene;
qué está intentando comunicar;
ninguna IA puede arreglar mágicamente ese vacío.
Puede producir algo.
Incluso puede producir muchísimo.
Y ahí aparece otro problema.
Más contenido equivocado, más rápido
Supongamos que una marca no tiene claro su posicionamiento.
Le damos inteligencia artificial.
En media hora puede tener:
100 slogans.
50 publicaciones.
20 imágenes.
10 campañas.
Tres calendarios de contenido.
Una presentación.
Y probablemente algún texto explicando que está “redefiniendo los límites de la innovación”.
Fantástico.
Ahora tenemos muchísimo más contenido equivocado.
La IA no resolvió la falta de estrategia.
La industrializó.
Por eso el mejor uso de estas herramientas no consiste en preguntarnos:
¿Cuánto contenido podemos producir?
Sino:
¿Cuánto podemos aprender antes de decidir qué merece producirse?
Diseño, fotografía y video
Herramientas como Adobe Firefly, Midjourney, Runway y otros sistemas generativos permiten crear conceptos visuales, modificar fotografías, producir referencias, explorar estilos y generar video.
Esto puede cambiar muchísimo la preproducción.
Antes de construir algo podemos visualizarlo.
Antes de grabar algo podemos probarlo.
Antes de invertir podemos explorar diferentes direcciones.
Pero precisamente porque podemos generar mucho más, la dirección artística se vuelve todavía más importante.
La pregunta ya no es:
¿Podemos crear una imagen?
La pregunta es:
¿Cuál de todas estas imágenes pertenece realmente a este proyecto?
Voz y audio
La inteligencia artificial también puede generar voces, narraciones, música, ambientes y prototipos de audio.
Esto puede ser útil para:
presentaciones;
videos;
spots;
prototipos;
localización;
accesibilidad;
y contenido audiovisual.
Pero nuevamente aparecen preguntas humanas:
¿esa voz representa realmente el proyecto?
¿tenemos derecho a utilizarla?
¿necesitamos una interpretación distinta?
¿qué queremos transmitir?
Que podamos generar algo no significa automáticamente que debamos utilizarlo.
Programación: escribir código no es lo mismo que construir software
En programación el cambio es enorme.
Herramientas como GitHub Copilot, ChatGPT o Claude pueden generar código, corregir errores, explicar funciones, preparar documentación, crear pruebas y acelerar muchísimo el desarrollo.
Un desarrollador puede avanzar más rápido.
Una pequeña empresa puede crear herramientas internas que antes resultaban demasiado caras.
Un emprendedor puede probar una idea antes de contratar un desarrollo completo.
Pero existe una diferencia monumental entre:
“el código funciona”
y
“el sistema está bien construido”.
Un sistema real necesita arquitectura.
Base de datos.
Permisos.
Seguridad.
Validación.
Logs.
Backups.
Manejo de errores.
Pruebas.
Control de versiones.
Compatibilidad.
Mantenimiento.
Y necesita entender qué ocurre cuando una persona utiliza el sistema de una forma que nadie había previsto.
La IA reduce enormemente el costo de escribir código.
No elimina la necesidad de saber qué estamos construyendo.
De hecho, cuanto más barato se vuelve generar código, más importantes pueden volverse la arquitectura, la supervisión y la capacidad de detectar problemas.
Impresión 3D: entre una imagen bonita y un objeto existe el mundo real
Esta es probablemente nuestra prueba favorita en OhMoxxie Studio.
Podemos pedir a una IA que diseñe un personaje.
Podemos generar referencias.
Podemos convertir esas referencias en un modelo tridimensional.
Podemos utilizar herramientas para estudiar geometría o preparar ciertas partes del proceso.
La pantalla puede mostrar algo espectacular.
Entonces intentamos imprimirlo.
Y aparece la realidad.
¿La escala funciona?
¿La pieza se sostiene?
¿Es demasiado fina?
¿La orientación tiene sentido?
¿Dónde colocamos soportes?
¿Qué superficie va a quedar visible?
¿PLA o PETG?
¿Dónde conviene cortar?
¿Cómo unimos las partes?
¿La geometría realmente puede imprimirse?
¿Los soportes destruirán la cara?
¿El modelo aguanta el transporte?
¿Se puede lijar?
¿Cómo reaccionará la pintura?
¿Lo que funciona en una imagen funcionará bajo una cámara?
Ahí ocurre algo importante.
Generar un objeto y fabricar un objeto no son la misma profesión.
La IA puede reducir enormemente el camino entre la idea y el prototipo.
Nos encanta precisamente por eso.
Pero todavía necesitamos alguien capaz de mirar una pantalla y decir:
“Sí, muy bonito. Eso se rompe.”
La física sigue sin impresionarse demasiado por nuestros prompts.
El problema del “hazlo todo con IA”
Cuando una tecnología reduce muchísimo el costo de producir algo aparece una tentación natural:
hacer muchísimo.
Si un artículo tarda diez minutos, hagamos cien.
Si una imagen tarda veinte segundos, generemos mil.
Si podemos publicar cinco veces al día, publiquemos cinco veces al día.
Y entonces Internet empieza a llenarse de algo curioso.
Textos correctamente escritos.
Imágenes correctamente iluminadas.
Presentaciones correctamente organizadas.
Videos correctamente editados.
Y uno termina de consumirlos sin recordar absolutamente nada.
Porque empiezan a aparecer:
los mismos ritmos;
las mismas expresiones;
las mismas composiciones;
los mismos argumentos;
las mismas estructuras;
los mismos personajes excesivamente perfectos mirando algo fuera de cuadro.
No es únicamente un problema de inteligencia artificial.
Es un problema de dirección.
Las herramientas tienden hacia lo probable.
Las marcas necesitan motivos para ser reconocibles.
Por eso, cuanto más fácil sea generar algo, más importante puede resultar elegir qué no generar.
¿Y si dejamos de preguntar qué trabajo puede reemplazar?
Una de las primeras preguntas que muchas empresas hacen frente a la IA es:
“¿Qué puestos podemos eliminar?”
Quizá existe una pregunta más interesante:
“¿Qué puede hacer ahora nuestro equipo que antes era demasiado lento, caro o difícil?”
Un diseñador puede explorar veinte direcciones antes de desarrollar una.
Un programador puede automatizar tareas repetitivas y dedicar más tiempo a arquitectura.
Un equipo comercial puede analizar cientos de interacciones y descubrir objeciones frecuentes.
Una pequeña empresa puede estudiar documentación que antes requería días.
Un productor puede visualizar una pieza antes de fabricarla.
Un maker puede convertir referencias en prototipos mucho más rápido.
Un emprendedor puede probar una idea antes de invertir una fortuna.
Eso no elimina necesariamente el trabajo humano.
Cambia dónde merece la pena utilizarlo.
Qué podría ocurrir si utilizamos bien la IA
La parte realmente interesante de esta tecnología probablemente no sea que pueda escribir un correo.
Dentro de poco eso será tan sorprendente como ver una calculadora haciendo una división.
Lo interesante aparece cuando el costo de intentar algo disminuye.
Prototipar será más barato.
Investigar será más accesible.
Crear determinadas herramientas será más sencillo.
Traducir conocimiento entre idiomas será más rápido.
Personalizar experiencias será más viable.
Analizar documentación será menos pesado.
Equipos pequeños podrán atacar problemas que antes necesitaban estructuras mucho mayores.
Un estudiante puede recibir explicaciones adaptadas a lo que todavía no entiende.
Un investigador puede recorrer cantidades enormes de información antes de formular mejores hipótesis.
Un diseñador puede visualizar cincuenta caminos y desarrollar uno.
Una empresa puede eliminar tareas administrativas que actualmente existen simplemente porque dos sistemas no saben comunicarse.
Eso podría liberar una cantidad enorme de tiempo humano.
Pero hay una condición.
Tenemos que evitar utilizar toda esa capacidad simplemente para producir más basura a mayor velocidad.
Necesitaremos educación.
Pensamiento crítico.
Seguridad.
Transparencia.
Ética.
Protección de información.
Responsabilidad.
Y personas que sigan sabiendo cómo funcionan las cosas incluso cuando una interfaz pueda hacerlas automáticamente.
El recurso más escaso podría terminar siendo humano
Existe una paradoja interesante.
Si generar texto se vuelve prácticamente gratuito, tener algo interesante que decir vale más.
Si generar imágenes se vuelve trivial, tener dirección artística vale más.
Si generar código se vuelve rápido, saber qué sistema construir vale más.
Si crear un modelo 3D tarda minutos, saber convertirlo en un objeto que funciona vale más.
Si todos tenemos acceso a herramientas extraordinariamente potentes, la ventaja deja de estar únicamente en poseerlas.
Empieza a estar en cómo pensamos con ellas.
Por eso en OhMoxxie Studio no somos anti-IA.
Sería bastante extraño.
La utilizamos.
La estudiamos.
La integramos.
Experimentamos con ella.
Pero tampoco nos interesa convertirla en religión.
Nuestra posición es mucho más sencilla:
somos pro-criterio.
Utilizamos una herramienta cuando mejora el trabajo.
La descartamos cuando estorba.
Dejamos que haga aquello que una máquina puede hacer extraordinariamente rápido.
Y reservamos para las personas lo que todavía necesita intención, contexto, responsabilidad, gusto y contacto con la realidad.
Quizá el gran cambio de la inteligencia artificial no sea que las máquinas puedan hacer más cosas.
Quizá sea que nos obliguen a decidir con mucha más claridad qué cosas merece la pena seguir haciendo nosotros.
¿Qué necesitas que exista?
Una idea puede empezar escrita en una servilleta.
Puede pasar por una conversación con una IA.
Convertirse en estrategia.
Diseño.
Código.
Un modelo.
Una prueba.
Una impresión.
Un objeto.
Una experiencia.
Las herramientas pueden cambiar veinte veces durante ese recorrido.
Lo importante sigue siendo conseguir que al final exista algo que tenga sentido.
¿QUÉ NECESITAS QUE EXISTA?