Un dueño de negocio armó una herramienta para su empresa en pocos minutos. Sin saber programar. Sin contratar a un desarrollador. Usó inteligencia artificial para crear una serie de archivos HTML que sus empleados podían consultar. La idea era buenísima. El problema es que nadie la usó.
Este caso, que conté en el último episodio del podcast, muestra algo que está pasando en un montón de empresas ahora mismo. La IA hizo barato ejecutar una idea. Muy barato. Pero no hizo automáticamente más fácil lo verdaderamente difícil: decidir qué vale la pena hacer.
Y esa diferencia, que parece chiquita, es la que separa una solución que cambia resultados de una que queda ahí, abierta en una pestaña que nadie mira.
En este artículo quiero desarmar por qué pasa esto, qué nos enseña y una regla muy simple para no perder tiempo construyendo cosas que nadie va a usar.
La empresa trabaja con distintos prestadores y tiene convenios que los empleados necesitan revisar antes de informarles ciertas condiciones a los clientes. Si informan algo mal, el problema no termina en esa conversación. Después aparecen errores, reclamos y demoras en los cobros.
El dueño vio una oportunidad clara. Tomó toda esa información y, con ayuda de inteligencia artificial, armó un archivo HTML para que los empleados pudieran consultar los convenios antes de responderle a un cliente.
Frená un segundo y pensá lo que eso significaba hace poco tiempo. Tenías que hablar con un desarrollador, explicarle lo que necesitabas, esperar un presupuesto, poner plata y tiempo. Esta vez lo hizo él solo, en minutos. Eso es espectacular.
Pero el objetivo real no se cumplió. Los empleados siguieron respondiendo con la información que ya conocían o recordaban. Los archivos estaban ahí, disponibles, y no se incorporaron al trabajo de todos los días.
Y acá quiero ser honesto: todavía no sabemos con certeza por qué no los usan. Puede ser que abrir el archivo sea incómodo. Puede ser que consultar la fuente vuelva más lenta una tarea en la que sienten que tienen que contestar rápido. Puede ser un problema de diseño, de confianza en la información, de capacitación o simplemente de hábito. Eso hay que investigarlo. Lo único que sabemos seguro es que la solución se construyó y no produjo el cambio que se esperaba.
La IA hizo barato ejecutar
Para mí este caso muestra uno de los grandes desafíos que tenemos hoy con la inteligencia artificial. La IA hizo barato ejecutar. Ahora lo difícil es decidir qué vale la pena hacer.
Hasta hace poco, el costo de construir funcionaba como una barrera. Antes de desarrollar una herramienta tenías que pensarlo bastante. Conseguir presupuesto, encontrar a alguien que la hiciera, explicar el problema, esperar. Esas barreras eran frustrantes, sí. Pero también te obligaban a detenerte.
Hoy muchas de esas barreras desaparecieron. Podés armar una aplicación, una automatización, una presentación, un informe o una página en una tarde. A veces en minutos. Y eso abre posibilidades enormes. Una persona que nunca programó puede convertir una idea en algo que funciona. Una pyme sin área de tecnología puede probar soluciones que antes le quedaban lejos.
Pero hay una contracara. También podemos construir mucho más rápido cosas que nadie necesita, que nadie entiende o que nadie va a usar. La inteligencia artificial bajó el costo de producir una solución. No bajó el costo de elegir bien el problema. Podés ahorrarte la plata del desarrollador y aun así perder tiempo construyendo algo que no mueve ningún resultado.
Y esto es clave para cualquiera que quiera aprovechar la IA en su trabajo: saber usar la herramienta no alcanza. Lo que hace la diferencia es el criterio para saber dónde aplicarla. Ese criterio no viene de fábrica. Es exactamente lo que en Pioneros IA trabajamos con profesionales que quieren dejar de acumular herramientas y empezar a resolver problemas de verdad.
El problema también son las personas
Podés tener una herramienta técnicamente correcta y una implementación que no soluciona nada. ¿Por qué? Porque una empresa no está compuesta solamente por procesos, sistemas y datos. Está compuesta por personas. Y cuando aparecen las personas, aumenta la complejidad.
Hay hábitos. Hay prioridades que compiten entre sí. Hay tareas que desde afuera parecen simples pero que en la práctica tienen excepciones todo el tiempo. Hay gente que prioriza responder rápido porque siente que es lo que la empresa espera. Hay conocimiento que nunca se documentó. Y hay herramientas que parecen cómodas para quien las diseñó, pero interrumpen el trabajo de quien las tiene que usar veinte veces por día.
Empezar por el problema
Por eso una solución no debería arrancar con la pregunta "¿qué puedo construir con inteligencia artificial?". Debería arrancar con otra: ¿qué problema estamos intentando resolver y cómo lo viven hoy las personas involucradas?
En el caso de los convenios, el problema no era crear archivos HTML. El problema era reducir los errores al informarle a los clientes sin volver más lenta o incómoda la atención. El HTML era una de las soluciones posibles. Quizás era la correcta. No lo sabemos todavía. Pero antes de construirla, habría servido sentarse con los empleados y pensar el problema juntos.
¿En qué momento necesitan consultar la información? ¿Qué hacen hoy cuando tienen una duda? ¿Cuánto tiempo tienen para responder? ¿Dónde buscan los datos? ¿Qué tendría que pasar para que consultar una fuente sea más fácil que confiar en la memoria?
Tal vez la respuesta era un archivo HTML. Tal vez necesitaban un asistente de IA. Tal vez la información tenía que aparecer adentro de la herramienta que ya usan. Tal vez convenía arrancar con una lista mucho más simple. O tal vez el verdadero problema era otro.
No se trata de pedir permiso para cada decisión ni de lograr que todos estén de acuerdo con todo. Se trata de co-crear: incorporar a las personas que conocen el trabajo antes de decidir la solución. Porque ellas ven fricciones que el dueño, el desarrollador o la inteligencia artificial no pueden ver. Saben qué excepciones aparecen. Saben qué información falta. Saben qué paso se vuelve lento cuando hay diez clientes esperando.
Y hay un bonus enorme: cuando las personas participan de la definición, entienden mejor por qué se está cambiando algo. Y tienen mucha más predisposición a probarlo. La co-creación no garantiza que la solución funcione, pero mejora la calidad de la decisión antes de gastar tiempo construyendo.
Tres preguntas antes de construir
Si tenés una idea para aplicar inteligencia artificial en tu empresa o en tu trabajo, te propongo una regla sencilla. Antes de construir, hablá con quienes van a usar la solución y mirá cómo hacen hoy esa tarea. Traten de responder juntos tres preguntas.
No "¿qué herramienta falta?". No "¿qué agente podríamos crear?". El problema concreto, tal como se vive. Empezar por la herramienta es empezar por el final.
Aunque el proceso actual parezca malo, seguramente hay una razón por la que sobrevivió hasta ahora. Puede ser velocidad, costumbre, falta de información o una excepción que desde afuera no estás viendo. Entender eso te ahorra construir sobre una base equivocada.
Quizás tienen que responder en menos de diez segundos. Quizás tiene que funcionar desde el teléfono. Quizás tiene que mostrar de dónde salió la información para que puedan confiar en ella. Ese es el estándar real que tu solución tiene que cumplir.
Probar la versión más pequeña posible
Recién después de entender esto, construí la versión más pequeña posible. No todo el sistema. No la solución definitiva. Una prueba que te deje ver si la idea funciona en el trabajo real. Y probala con las mismas personas que participaron de la conversación. Mirá si la usan. Mirá dónde se traban. Mirá si mejora la calidad de la respuesta sin destruir los tiempos de la atención. Después corregís. Y ahí sí decidís si vale la pena seguir por ese camino.
La inteligencia artificial puede ayudarte muchísimo en todo este recorrido. Puede ordenar lo que salió de las conversaciones, encontrar patrones, proponer alternativas, crear varias versiones de una solución para probarlas rápido. Lo que no puede es reemplazar el conocimiento de quienes hacen el trabajo ni decidir sola qué cambio va a adoptar una organización.
Construir más no es probar mejor
El gran cambio no es solamente que ahora podemos construir más. Es que podemos probar más rápido. Y hay una diferencia enorme entre esas dos cosas. Construir más puede llenarte de herramientas. Probar mejor te ayuda a tomar mejores decisiones.
La ventaja no va a estar en quien genere más aplicaciones, más agentes o más automatizaciones. Va a estar en quien entienda mejor qué problema merece resolverse, involucre a las personas correctas y convierta esa facilidad de ejecución en una mejora que de verdad se use.
Una solución que nadie usa no crea valor
Una solución terminada no es una solución implementada. Y una solución que nadie usa no crea ningún valor.
Ese es el resumen honesto de todo esto. La era en la que construir era caro se terminó. Ahora cualquiera puede ejecutar. Lo escaso, lo que va a marcar la diferencia entre profesionales y empresas, es el criterio para elegir bien el problema y la sensibilidad para entender cómo trabajan las personas de verdad.
Si querés aprender a detectar dónde tiene sentido aplicar inteligencia artificial antes de construir algo que nadie use, este episodio es un buen punto de partida. Escuchalo completo, quedate con la regla de las tres preguntas y probala esta semana con una tarea concreta de tu trabajo.
Porque la pregunta que quiero dejarte no es si vas a usar IA. Es esta: cuando la uses, ¿vas a construir por construir, o vas a resolver un problema que valga la pena?
Accedé gratis a Tu primera mejora con IA.