Si toda tu estrategia de inteligencia artificial cabe en el calendario editorial, quizás compraste una central eléctrica para cargar el teléfono.

TL;DR

Producir contenido es un uso legítimo de la inteligencia artificial. Este blog es un ejemplo de cómo un sistema con voz, contexto, fuentes, revisión y validación puede sostener una operación editorial sin delegar la dirección ni la responsabilidad. El problema es reducir la IA a fabricar textos genéricos para llenar el feed y llamar a eso transformación. La misma tecnología puede investigar, organizar conocimiento, integrar sistemas, validar entregas, coordinar herramientas, ejecutar tareas y apoyar decisiones dentro de reglas. La pregunta útil no es cuántas publicaciones genera. Es qué capacidad verificable comenzó a existir, para quién, bajo qué criterios y con la responsabilidad de quién.

¿Para qué quieres usar inteligencia artificial?

Lo pregunto porque “queremos usar IA” se convirtió en una frase bastante común. Parece una decisión, pero todavía no dice casi nada.

¿Usarla para qué?

¿Cambiar qué trabajo?

¿Resolver qué cuello de botella?

¿Qué capacidad todavía no existe y necesita ser creada?

En muchas conversaciones sobre el tema, la primera respuesta concreta termina en producción de contenido.

“¿Puede hacer las publicaciones del mes?”

Puede.

También puedes usar una computadora de última generación como pisapapeles. Probablemente sujetará las hojas con una competencia impresionante.

El problema no es hacer publicaciones. Es mirar una tecnología capaz de interpretar contexto, consultar sistemas, comparar evidencias, validar entregas, coordinar herramientas y ejecutar tareas —y concluir que la gran transformación será publicar treinta textos sobre innovación.

Preferiblemente con un cohete al final.

Porque la innovación sin cohete, aparentemente, ni siquiera despega.

El problema no es producir contenido

Sería una contradicción bastante cómoda que yo atacara la producción de contenido con IA precisamente en este blog.

Uso IA para escribir.

La uso para organizar ideas que empecé hablando al micrófono, buscar referencias, probar contrapuntos, comprobar enlaces, preparar imágenes, preservar decisiones editoriales, estructurar versiones en otros idiomas y validar el sitio antes de publicar.

Ya expliqué en “Escribir con IA no me hizo menos autor” por qué este proceso es muy diferente de pedir un texto genérico y poner mi nombre debajo.

La percepción que inicia el artículo sigue siendo mía.

La dirección sigue siendo mía.

Lo que entra, lo que sale, lo que necesita una fuente y lo que no me representa siguen pasando por mi evaluación.

El sistema se ocupa de buena parte de la operación que antes competía por espacio en mi cabeza con el pensamiento mismo: recordar la referencia, comprobar la afirmación, localizar el artículo relacionado, revisar la estructura, garantizar que la imagen tenga un propósito, probar el enlace e impedir que una versión candidata se publique sin evaluación.

Eso es un uso real de IA para contenido.

Lo que critico es otra cosa.

Es contenido sin percepción, sin tesis, sin contexto, sin criterio y sin nadie dispuesto a responder por lo publicado. Una fábrica de texto genérico sigue produciendo cosas genéricas. La única innovación es la velocidad de la cinta.

Si el lector sigue de largo con la misma indiferencia con que la máquina produjo el resultado, quizás optimizamos la parte equivocada del trabajo.

La IA no elige para qué fue contratada

Una herramienta no entra en una empresa y descubre, por iluminación propia, qué debería cambiar.

Recibe una petición.

Cuando la petición es genérica, la respuesta tiende a ocupar el espacio disponible con algo plausible. Un prompt —la instrucción y el contexto que se le dan al modelo— como “crea una publicación profesional sobre innovación” no contiene la experiencia de la empresa, la duda real del cliente, la contradicción que vale la pena discutir ni el límite de lo que puede afirmarse.

Entonces el sistema hace lo que puede con el vacío.

Entrega cinco puntos, una conclusión positiva y alguna variación de “en un mundo cada vez más dinámico”.

Listo. La transformación digital quedó guardada en un archivo de texto.

Solo que la IA no eligió una dirección equivocada.

Nadie eligió ninguna dirección.

Simplemente ejecutó el vacío con excelente gramática.

Este problema no se resuelve pidiéndole que “suene más humana”. Se resuelve dando al trabajo una razón para existir: una pregunta real, una percepción, un público, una fuente, un objetivo, un criterio de calidad y alguien responsable de la decisión final.

Sin eso, cambiar de modelo, comprar más créditos o instalar la herramienta de la semana solo aumenta la potencia disponible para seguir sin saber adónde ir.

“Sonar humano” es un objetivo demasiado bajo

Existe una obsesión comprensible por evitar que un texto “suene demasiado a IA”.

Yo tampoco quiero publicar una colección de frases pulidas, equilibradas y vacías que podría firmar cualquier empresa del planeta.

Pero sonar humano es una prueba insuficiente.

Una persona también puede escribir un texto genérico, repetir información errónea y no tener nada útil que decir. Llevamos bastante tiempo haciéndolo de manera artesanal. La IA no inventó el contenido malo; solo redujo el costo de producirlo a escala industrial.

El criterio debe subir.

No basta con sonar humano.

Hay que tener algo verdadero, verificable y útil que decir.

“Verdadero” no significa que toda opinión necesite un estudio académico para existir. Significa que la convicción pertenece al autor y no apareció por generación espontánea porque la frase quedó bonita.

“Verificable” significa que fechas, datos, casos, mecanismos técnicos y otras afirmaciones factuales deben permitir que el lector encuentre el origen y comprenda el límite de la fuente.

“Útil” significa que el texto ayuda a alguien a percibir un problema, formular una pregunta, tomar una decisión o actuar con más claridad. No necesita vender nada. Necesita justificar el tiempo que le pidió al lector.

Una voz bien imitada sin experiencia, criterio ni responsabilidad sigue siendo una fantasía editorial.

Solo se volvió más convincente.

El chatbot es la puerta, no toda la operación

Mucha gente conoció la IA a través de una ventana de conversación. Eso explica por qué los usos más visibles son escribir, resumir, responder y reformular.

Y una interfaz de chatbot puede ser extremadamente útil. Puede organizar un requisito expresado en voz alta, comparar alternativas, preparar una reunión, localizar una laguna o ayudar a alguien a pensar antes de actuar.

El error es tratar la puerta como si fuera toda la casa.

Más allá de la conversación, los sistemas asistidos por IA pueden cumplir funciones diferentes:

• una automatización determinista ejecuta una regla conocida y produce el mismo comportamiento cuando la condición se repite;
• una capa de investigación y estructuración encuentra documentos, preserva su origen y organiza el material para el análisis;
• un validador compara la entrega con los requisitos y busca campos ausentes, contradicciones, enlaces rotos o afirmaciones sin respaldo;
• un agente de IA elige los siguientes pasos y usa herramientas dentro de un objetivo y unos permisos delimitados;
• una memoria gobernada preserva contexto y decisiones con origen, fecha, alcance y posibilidad de revisión, en lugar de depender de que la conversación “recuerde mágicamente”;
• la orquestación coordina etapas, herramientas, agentes y puntos de aprobación para que el trabajo llegue a un artefacto verificable;
• una integración conecta sistemas para evitar que una persona siga copiando información entre pantallas como si fuera un puente manual alimentado con café;
• un sistema puede apoyar o ejecutar una decisión operativa delimitada, siempre que existan política, evidencia, límite de impacto, abstención, registro, un responsable y una forma de corregir el resultado.

No todas las empresas necesitan todos estos componentes.

De hecho, muchas ni siquiera deberían empezar por la IA. Una regla fija, una integración convencional, un formulario mejor o la eliminación de un paso inútil pueden resolver el problema con menor costo y riesgo.

Usar la arquitectura más complicada disponible no es sofisticación.

A veces es solo inseguridad con un diagrama bonito.

No toda mosca necesita una bazuca

Hay un error simétrico que tampoco quiero cometer.

En informática usamos desde hace mucho la expresión “usar una bazuca para matar una mosca”. Aparecía, por ejemplo, cuando alguien elegía una estructura de software enorme —un framework— para construir una sola página de presentación que podía entregarse con mucho menos.

La tecnología cambió. La mosca sigue en peligro.

Hoy la bazuca puede venir con agente, memoria, diez skills —instrucciones y procedimientos reutilizables— y generación aumentada por recuperación, o RAG. En lenguaje común, RAG es una técnica que busca información en una base definida y entrega ese contexto al modelo antes de que responda.

Todo eso puede ser útil.

Nada de eso se vuelve necesario solo porque existe.

Si una fórmula calcula el resultado con precisión, usa la fórmula.

Si un formulario organiza la entrada, crea el formulario.

Si una regla fija mueve la información de forma segura, crea la automatización.

Construir un agente con memoria y acceso a herramientas para ejecutar lo que veinte líneas predecibles resolverían no es innovación. Puede ser solo una forma sofisticada de aumentar costos, mantenimiento, permisos, puntos de fallo y tiempo de respuesta.

Reducir la IA a textos genéricos es falta de imaginación.

Poner IA en todo es falta de criterio.

La potencia no justifica el exceso. La arquitectura correcta es la más pequeña que resuelve el problema con seguridad.

La pregunta no es “¿qué produjo?”

La producción es fácil de mostrar.

Treinta textos.

Cuarenta imágenes.

Una presentación que nació antes de que alguien terminara de pedirla.

Todo eso crea movimiento. El movimiento es fotogénico. La capacidad operativa suele ser más discreta.

Aparece cuando:

• la información deja de perderse entre áreas;
• un documento llega acompañado de su origen y de las lagunas encontradas;
• una entrega se valida antes de pasar a la siguiente etapa;
• una regla deja de depender de la memoria de una sola persona;
• una excepción encuentra un responsable en lugar de desaparecer en el flujo;
• una decisión recibe mejores escenarios y evidencias sin ocultar quién responde por ella;
• un proceso recurrente produce un artefacto que otra persona puede verificar, corregir y mantener.

Por eso, la pregunta que cambia el proyecto no es “¿cuántas publicaciones puede producir la IA?”.

Es:

¿Qué capacidad empezó a existir?

¿Quién puede hacer ahora qué cosa que antes dependía de esfuerzo manual, improvisación, espera o contexto perdido?

¿Cómo sabemos que la entrega es correcta?

¿Qué ocurre cuando la información no basta?

¿Quién puede autorizar una acción?

¿Quién sigue siendo responsable cuando algo sale mal?

Si esas preguntas no tienen respuesta, el problema no es la falta de una IA más potente.

Es la falta de un proyecto.

Este blog no es un argumento contra el contenido. Es un argumento contra el contenido sin dueño

Tuve otros blogs entre 2005 y 2008. Podía escribir cada línea, pero no conseguía sostener durante muchos días toda la operación alrededor de la escritura.

Este blog nació con apoyo de ChatGPT y bajo mi dirección. Aun así, al principio todavía necesitaba volver a explicar el contexto, coordinar etapas manualmente y corregir un tono que no reflejaba con precisión cómo desarrollo una idea.

Hoy el sistema recibe contratos editoriales, referencias de voz, reglas de investigación, criterios de enlaces, límites de lo que puede afirmarse, validaciones y el punto exacto en que una decisión debe volver a mí.

No “se convirtió en Felipe”.

No adquirió conciencia, experiencia profesional ni autoría por proximidad.

Transformé parte de mi manera de trabajar en instrucciones, ejemplos, memoria, herramientas y criterios revisables. Con eso puedo externalizar una percepción, desarrollar la tesis y delegar la coordinación del resto sin volver a enseñar toda la operación en cada conversación.

Este sistema produce contenido, sí.

También investiga, cuestiona, organiza, valida, preserva contexto, prepara la evaluación e impide la publicación automática.

El artículo es el resultado visible.

Lo que construimos tiene mucha más capacidad que el archivo del artículo que se ve al final.

Esa es la diferencia que desaparece cuando alguien resume todo uso de IA en “escribe publicaciones”.

El feed es el escaparate. La operación es la casa

El contenido puede educar a un cliente antes de una conversación comercial. Puede traducir términos, mostrar criterios, hacer visible un problema y permitir que alguien comprenda cómo piensa una empresa.

Ese es, además, uno de los papeles de este blog para i-9.ai.

Pero el contenido no reemplaza la entrega.

El feed es el escaparate.

La operación es la casa.

No sirve de nada publicar todos los días que la empresa está “revolucionando el futuro” mientras alguien sigue copiando pedidos entre hojas de cálculo, buscando en el correo la versión correcta de un documento y dependiendo de una persona específica para recordar cuál es el siguiente paso.

Generar más contenido sobre innovación no vuelve innovadora a la operación.

Solo deja la contradicción mejor diagramada.

Cuando observo una empresa, no empiezo preguntando qué modelo quiere usar ni cuántas publicaciones desea automatizar. Empiezo buscando dónde se atasca el trabajo, dónde se pierde el contexto, qué decisión se repite, qué error vuelve a aparecer y qué persona se convirtió en una integración manual entre sistemas.

Por eso escribí que tu empresa no necesita descubrir dónde poner IA. Necesita descubrir dónde existe un problema real y cuál es la menor intervención capaz de mejorar el resultado con control.

A veces esa intervención será contenido.

Quizás el cuello de botella sea precisamente transformar conocimiento técnico disperso en material que ventas, atención y clientes puedan comprender. En ese caso, un sistema editorial gobernado puede ser una capacidad operativa real.

A veces será una automatización.

A veces será un validador, un agente, una integración, una memoria revisable o una combinación de ellos.

Lo que no debería ser es una herramienta buscando una tarea vistosa para justificar la compra.

Una revisión rápida antes de llamarlo estrategia

Si estás evaluando un uso de IA en tu empresa, intenta responder:

1. ¿Qué trabajo, cuello de botella o decisión dio origen al proyecto?
2. ¿Quién recibe el resultado y qué puede hacer mejor con él?
3. ¿Qué capacidad existirá además de producir más resultados?
4. ¿Qué parte exige lenguaje e interpretación y qué parte debería seguir siendo una regla fija?
5. ¿De dónde vienen los datos y cómo se preservará su origen?
6. ¿Qué criterio define una entrega correcta?
7. ¿Cómo encuentra el sistema errores, incertidumbre o información ausente?
8. ¿Qué herramientas puede usar y hasta dónde llegan sus permisos?
9. ¿En qué punto debe detenerse y devolver la decisión a una persona?
10. ¿Cómo mediremos si el cuello de botella mejoró?
11. ¿Quién mantiene el sistema cuando termina la demostración?
12. ¿Cómo se corrige, se apaga o se vuelve atrás?

Si la respuesta honesta es “solo queremos producir buenos contenidos con mayor consistencia”, está bien.

Define voz, fuentes, revisión, objetivo, responsabilidad y qué hace que el contenido merezca publicarse.

Eso ya es mucho mejor que vestir un calendario vacío con la palabra “estrategia”.

Pero si hay una cola, retrabajo, una decisión repetitiva, información perdida o un error recurrente en otra parte de la empresa, quizás la oportunidad más importante no esté en el feed.

Quizás esté trabajando silenciosamente todos los días para seguir invisible.

La conversación que me interesa empieza antes de la herramienta

En i-9.ai, trabajo para transformar contexto, requisitos y cuellos de botella en sistemas que puedan usarse, verificarse, monitorearse y gobernarse.

Eso puede involucrar software convencional, automatización, agentes, datos, memoria, validación, infraestructura, seguridad e integración. Puede involucrar contenido cuando forme parte del problema real.

Mi trabajo no empieza con un paquete genérico buscando dónde instalarse.

Empieza por comprender cómo ocurre realmente el trabajo.

Si reconociste un proceso que hoy depende de improvisación, contexto perdido o demasiado esfuerzo manual, ponte en contacto. No necesitas llegar sabiendo qué tecnología usar.

Trae el cuello de botella. Podemos empezar por ahí.

Lo que vale la pena escalar

No quiero menos contenido porque fue producido con IA.

Quiero menos contenido que no tenía ningún motivo para existir.

Quiero sistemas que ayuden a una persona a investigar mejor, explicar mejor, decidir mejor y ejecutar mejor —sin ocultar la fuente, el límite ni la responsabilidad detrás de una interfaz conveniente.

Si la aplicación correcta es un artículo, perfecto. Que nazca de una percepción real, diga algo verificable y siga siendo útil cuando el lector continúe desplazando la pantalla.

Si la aplicación correcta está en la operación, mejor aún. Que la IA salga de la presentación sobre el futuro y entre en el proceso con permisos, criterios, monitoreo y alguien responsable del resultado.

Si el único resultado fue publicar más cosas que nadie necesitaba leer, no ampliaste la capacidad.

Automatizaste ruido.

La inteligencia artificial no necesita ocupar todos los espacios.

Pero antes de usarla solo para llenar uno, quizás convenga preguntarse qué podría ayudar a construir.

Sigue leyendo

• Si crees que la IA es solo un chatbot, empezaste por el límite equivocado
• Tu empresa no necesita descubrir dónde poner IA
• Escribir con IA no me hizo menos autor
• La mejor respuesta no es la que más me agrada

Para profundizar

• Chatbot: una visión enciclopédica de las interfaces de conversación; el término describe la forma de interacción, no toda la arquitectura posible detrás de ella.
• Automatización: introducción a sistemas que ejecutan procesos con diferentes niveles de intervención humana.
• Garantía de calidad: contexto sobre prácticas utilizadas para prevenir, encontrar y corregir problemas antes de que una entrega avance.
• Arquitectura orientada a servicios: un contexto enciclopédico sobre una forma de conectar capacidades de software como servicios; es una de varias arquitecturas posibles para integrar sistemas.
• Ingeniería de instrucciones: contexto enciclopédico sobre la elaboración de instrucciones y contexto para modelos generativos; un prompt no equivale al sistema de trabajo descrito en este texto.
• Framework: contexto sobre estructuras reutilizables de software; una estructura mayor no es automáticamente mejor para una necesidad pequeña.

Referencias y límites de uso

• AWS, “¿Qué es la generación aumentada por recuperación (RAG)?”: define RAG como el uso de una base externa para añadir contexto a la respuesta de un modelo de lenguaje. Es documentación de un proveedor de tecnología y no prueba que RAG mejore cualquier proceso, sea necesaria o constituya la arquitectura adecuada para los ejemplos de este artículo.

Los ejemplos de este texto son hipótesis de arquitectura usadas para explicar capacidades y controles. No son estudios de caso, promesas de resultados ni recomendaciones técnicas universales. El diseño adecuado depende del proceso, de los datos, del riesgo, de las integraciones y de quién responde por la decisión.