Crear más rápido no es lo mismo que trabajar menos. Del montaje de una película al desarrollo de software, la inteligencia artificial está cambiando cómo trabajamos. Pero hay una parte del proceso que sigue necesitando experiencia, decisiones y personas.
Existe una idea curiosa alrededor de la inteligencia artificial: si alguien utiliza IA para realizar su trabajo, entonces probablemente ya no está haciendo el trabajo.
Como si utilizar una calculadora eliminara la necesidad de entender matemáticas, o una cámara profesional con enfoque automático convirtiera a cualquiera en fotógrafo.
El debate se ha concentrado demasiado en lo que una máquina puede generar y muy poco en lo que significa entregar un resultado profesional.
Porque una cosa es generar una imagen y otra producir una campaña. Una cosa es escribir código y otra construir un sistema seguro. Y una cosa es crear una escena digital y otra conseguir que funcione dentro de una producción cinematográfica.
La IA puede acelerar determinadas tareas, organizar información y ayudarnos a explorar posibilidades. Lo que no garantiza es que esas posibilidades sean las correctas.
Veamos algunos ejemplos reales.
1. Cine: la tecnología puede acelerar el montaje, pero no decide cómo contar una historia
Imaginemos una producción con cientos de horas de material grabado.
El editor necesita localizar una reacción específica, encontrar una toma entre decenas de archivos, preparar subtítulos y ajustar una transición que necesita unos fotogramas adicionales.
Son tareas que consumen tiempo. Y no todas necesitan empezar desde cero.
En abril de 2025, Adobe presentó nuevas funciones de inteligencia artificial en Premiere Pro. Entre ellas se encuentran Media Intelligence, para localizar material mediante búsquedas, traducción automática de subtítulos y Generative Extend, que permite generar fotogramas adicionales para prolongar ligeramente determinadas tomas de video y audio.
No son simplemente promesas futuristas. Son funciones integradas en un software profesional de edición.
¿Qué hace la IA? Ayuda a buscar material, realizar tareas de localización y resolver determinados ajustes técnicos de edición.
¿Qué sigue haciendo el equipo humano? Decide qué plano utilizar, cuánto debe durar, qué emoción transmite, cómo se integra con el sonido y si el resultado es adecuado para la película.
Poder prolongar una toma no significa que debamos prolongarla.
Además, una secuencia aparentemente perfecta puede introducir detalles generados que no corresponden al material original. Necesita supervisión.
En cine, la velocidad es útil. Pero la continuidad, la interpretación, los derechos de uso y la dirección artística importan mucho más que conseguir una imagen en diez segundos.
2. Marketing: producir veinte anuncios no significa tener una estrategia
Pensemos en una marca que necesita lanzar un producto nuevo.
Con herramientas de IA puede preparar distintas versiones de un anuncio, adaptar sus imágenes a diferentes formatos y explorar alternativas de texto.
En mayo de 2026, Google presentó nuevas capacidades de Asset Studio para Google Ads. Según la compañía, la plataforma puede utilizar información de marca, objetivos y materiales creativos para generar variantes y facilitar su posterior evaluación mediante pruebas A/B.
Esto tiene aplicaciones muy concretas.
Imaginemos una empresa que vende un producto de uso cotidiano en Ciudad de México. Su equipo quiere saber si comunica mejor la comodidad, el precio o la durabilidad.
La IA puede ayudar a preparar tres enfoques y varias adaptaciones gráficas.
Sin embargo, antes de publicar, alguien tiene que responder preguntas bastante menos automáticas:
¿A quién estamos vendiendo? ¿Qué característica es realmente relevante? ¿Qué podemos prometer sin exagerar? ¿Qué materiales representan correctamente al producto? ¿Qué resultados estamos midiendo?
Después llegan las pruebas con público real. Una variante puede tener más clics y menos ventas. Otra puede generar menos tráfico y mejores clientes.
La IA ayuda a producir y analizar opciones. La estrategia consiste en entender qué significan esos resultados y decidir qué hacer con ellos.
El trabajo del marketing no es fabricar contenido. Es conectar una propuesta real con las personas adecuadas y aprender de la respuesta.
3. Programación: dos estudios muestran por qué la velocidad no está garantizada
Aquí encontramos uno de los ejemplos más interesantes.
En una investigación publicada por GitHub en 2022, 95 desarrolladores profesionales participaron en un experimento para construir un servidor HTTP en JavaScript.
Quienes utilizaron GitHub Copilot completaron la tarea, en promedio, un 55 % más rápido que quienes no lo utilizaron.
Parece una demostración contundente de productividad.
Pero hay otra investigación que merece la misma atención.
En julio de 2025, la organización independiente METR publicó un experimento con desarrolladores experimentados trabajando en problemas reales de proyectos de código abierto que ya conocían. En ese contexto, los participantes tardaron aproximadamente un 19 % más cuando se les permitía utilizar las herramientas de IA estudiadas.
¿Significa que uno de los estudios es falso?
No.
Las tareas, las herramientas, los participantes y los entornos eran diferentes.
Y hay un detalle adicional: en febrero de 2026, METR explicó que nuevos datos sugerían posibles mejoras con herramientas más recientes, aunque problemas metodológicos impedían estimar con fiabilidad cuánto habían mejorado.
La enseñanza es que no existe un porcentaje universal de tiempo ahorrado con inteligencia artificial.
Depende del trabajo.
En tareas concretas, como preparar una función repetitiva, explicar una parte de código o generar pruebas iniciales, una herramienta puede ser muy útil.
Pero cuando hablamos de sistemas completos aparecen otras responsabilidades.
Por ejemplo, imaginemos una plataforma que administra inventarios de una producción audiovisual.
La IA puede ayudar a desarrollar formularios, interfaces, filtros, consultas de base de datos y documentación.
Pero el sistema necesita permisos correctos, protección de datos, control de cambios, pruebas en dispositivos móviles y mecanismos que impidan perder información.
Una interfaz puede verse perfectamente terminada y todavía contener errores graves.
Y encontrar esos errores también es trabajo.
4. Diseño y fabricación: del concepto visual al objeto que tiene que funcionar
Este punto nos resulta especialmente cercano en OhMoxxie Studio.
En un proyecto de props, escenografía o impresión 3D, la IA puede ser útil durante la investigación, la búsqueda de referencias, la visualización de conceptos o la preparación de un modelo inicial.
Supongamos que necesitamos fabricar un objeto de utilería.
Con herramientas digitales podemos explorar diferentes proporciones, colores y acabados antes de fabricar una primera muestra.
Eso ayuda a aclarar decisiones y puede reducir iteraciones innecesarias.
Pero cuando el concepto se convierte en un objeto físico, entran factores que una imagen no demuestra.
El peso, la resistencia, la escala, las uniones, los materiales, la estabilidad y las condiciones del rodaje.
Si una pieza debe sujetarse con una mano durante una escena, no basta con que sea visualmente atractiva. Tiene que ser cómoda, segura y creíble frente a cámara.
La tecnología puede acelerar el camino hasta un prototipo.
El trabajo de fabricación consiste en comprobar que ese prototipo puede existir y funcionar en el mundo real.
5. Entonces, ¿qué es lo que realmente mejora la IA?
Podemos dividir el trabajo en cinco momentos:
Entender el problema. Identificar las necesidades, las limitaciones y el resultado esperado.
Explorar alternativas. Utilizar herramientas, incluida la IA cuando resulte útil, para investigar y comparar posibilidades.
Seleccionar una dirección. Aplicar experiencia, criterio y conocimiento del contexto.
Ejecutar y verificar. Construir, editar, programar, producir o fabricar, revisando los resultados.
Aprender y mejorar. Incorporar las pruebas y la información obtenida para tomar mejores decisiones.
La IA puede participar en varias de estas etapas, pero no tenemos que utilizarla en todas.
En ocasiones será más rápido resolver una tarea directamente que redactar instrucciones, revisar tres respuestas equivocadas y corregirlas.
También hay un costo que no siempre se contabiliza: el tiempo de supervisión.
Si conseguimos un primer resultado en dos minutos, pero necesitamos tres horas para corregirlo, quizá no hemos ganado velocidad.
Por eso tiene sentido evaluar el tiempo total, la calidad, los errores y la cantidad de trabajo repetido.
6. Usar IA también implica hacerse responsable
La adopción profesional de estas herramientas necesita algunas reglas.
Verificar la información antes de publicarla. No introducir datos confidenciales de clientes sin la protección y autorización correspondientes. Revisar licencias, derechos de imagen, voces y materiales utilizados. Comprobar la seguridad del código y reconocer cuándo un resultado necesita intervención especializada.
También conviene informar sobre el uso de contenidos generados cuando sea relevante para su contexto.
Google, por ejemplo, recomienda revisar manualmente el contenido creado con IA, incluidas las imágenes, los metadatos y los datos estructurados de los sitios web.
La responsabilidad no desaparece porque una herramienta haya producido la primera versión.
7. El verdadero cambio no es hacer menos, sino poder hacer mejor
Nos estamos acostumbrando a medir la inteligencia artificial por lo que genera: textos, imágenes, videos, diseños, código.
Tal vez deberíamos medirla más por lo que permite hacer a las personas.
Un editor puede dedicar menos tiempo a buscar material y más a construir el ritmo de una escena.
Un especialista en marketing puede explorar alternativas y concentrarse en comprender mejor a sus clientes.
Un desarrollador puede resolver ciertas tareas repetitivas y dedicar más atención a la calidad del sistema.
Un equipo de producción puede visualizar propuestas antes de comprometer materiales, tiempo y presupuesto.
Ninguna de estas posibilidades garantiza automáticamente un mejor trabajo.
Pero todas pueden ampliar lo que un profesional es capaz de hacer si las utiliza con criterio.
En OhMoxxie Studio trabajamos entre el mundo digital y el físico. Pensamos estrategias, diseñamos, desarrollamos sistemas y fabricamos objetos para proyectos reales.
Por eso nos interesa cualquier tecnología que pueda ayudarnos a investigar mejor, aclarar decisiones, probar alternativas y mejorar lo que entregamos.
No creemos que el mérito de un proyecto se encuentre en haber utilizado la mayor cantidad de herramientas, ni en presumir que no se utilizó ninguna.
El mérito está en el resultado, en el proceso y en la capacidad de responder por ambos.
La IA puede ayudarnos a llegar antes. Saber a dónde queremos llegar sigue siendo parte del trabajo.
¿Tienes una idea que necesita convertirse en un sistema, una experiencia o un objeto real?
En OhMoxxie Studio conectamos estrategia, diseño, tecnología y producción para llevar las ideas de la pantalla al mundo real.
¿Qué necesitas que exista?
Conversación
Comparte una pregunta o una idea relacionada con el artículo. Los comentarios se revisan antes de publicarse.
Aún no hay comentarios publicados. Puedes iniciar la conversación.