Cómo liderar al pasante más entusiasta de tu equipo: La Inteligencia Artificial
Yo no soy programador ni un usuario técnico, pero hace unas semanas empecé a construir un producto interno agéntico en Valere. Tiene la nomenclatura y los tecnicismos típicos de este tipo de proyectos: agentes, orquestación, memoria, herramientas. Mi forma de avanzar (como siempre en mi trabajo desde hace 3 años) fue usar IA para investigar cada concepto y, después, estructurar toda esa investigación en un documento que sirviera de guía del proyecto.
La investigación con IA funciona bien, hasta que llega el momento de definir la dirección.
En varios puntos, la IA me proponía caminos que sonaban perfectamente lógicos, no eran propuestas malas pero sí tenían un problema: le faltaban datos. Yo tenía en la cabeza meses de contexto, conversaciones previas, benchmarking, restricciones del equipo, decisiones que ya habíamos descartado por buenas razones. La IA no tenía nada de eso. Trabajaba con la información que le compartí y eso, por más completo que pareciera, nunca iba a contener TODO lo que yo sabía.
Usar la Inteligencia Artificial de forma eficiente exige distinguir dos cosas que se parecen mucho en la superficie: una propuesta coherente de una propuesta correcta. Suena igual de segura, está igual de bien redactada, pero una nace solo de sonar razonable con la información parcial que se tiene y la otra de tener el contexto completo.
La única forma de saber en cuál de las dos estás parado es contrastar lo que la IA está sugiriendo con lo que tú sabes.
Releyendo con calma el documento, encontré contradicciones entre secciones (típicas de tareas largas donde la ventana de contexto de la IA se pierde a mitad de camino). Hallé esas contradicciones porque leí todo, con cuidado, línea por línea, sin confiar en que el resultado estuviera bien. Investigar de verdad es ir a buscar respuestas que pueden no ser lo que pensabas. Pedirle a la IA que valide lo que ya querías escuchar no permite encontrar la verdad. Fue gracias a esa lectura y preguntas abiertas que le hice, que pude señalar las contradicciones y, junto con la misma IA, corregirlas.
Cada vez que le pido a la IA una propuesta de cambio sobre el documento, le pido dos cosas más: una versión en Diff (compara la info que está borrando vs la que está agregando) que me resalte exactamente qué cambió respecto a la anterior, y una explicación de por qué propone cada cambio.
La IA mejora una decisión cuando te obliga a contrastar, cuando te muestra el cambio, la diferencia y la razón para que tú decidas si esa razón encaja en tu contexto. Parece que siempre estuviera correcta, porque la respuesta siempre suena segura y lógica, pero solo tú tienes la foto completa para comprobar si eso es cierto.
Eso es lo que diferencia a los profesionales que están sacando provecho de la IA como herramienta de los que se están dejando que los guíe el piloto automático.
Esta es la analogía con la que mejor me resulta definirlo:
L2a IA es como un pasante que acaba
de graduarse y llega a su primer empleo.
Tiene todas las ganas de ayudar.
Recibe cualquier tarea con entusiasmo pero, precisamente, porque nunca ha estado en esa situación antes, es muy probable que se equivoque si actúa solo con su propio criterio. No porque sea poco capaz, sino porque le falta lo que las horas de vuelo dan: haber experimentado situaciones parecidas.
Ahí es donde tú, la persona que guía, tiene más valor. Tú sí conoces los detalles completos, el contexto acumulado, la forma más efectiva de resolver la situación frente a ti. Ese conocimiento solo se construye con el tiempo y la experiencia. Ese pasante tal vez trabaja más rápido pero no conoce todo lo que tu trayectoria te ha ganado.
Recuerda entonces que la IA es un pasante que necesita dirección constante.
Si le das el contexto correcto, multiplicará tus resultados; sin dirección clara, estás dejando el rendimiento a su entusiasmo. Tu juicio es lo único que traduce la velocidad de ese pasante en valor real.