Estás usando mal la IA

Estás usando mal la IA.

Eso me lo dice alguien distinto cada semana, y el problema es que ninguno de ellos sabe qué estoy intentando conseguir con ella.

Unos aseguran que hay que escribir instrucciones extensas y detalladas, otros dicen que los prompts largos quedaron obsoletos, algunos convierten cada tarea en un agente, y otros afirman que si todavía conversas con la IA en vez de automatizarlo todo ya te quedaste atrás.

Cualquiera de esas recomendaciones puede servirte. Ninguna se puede evaluar sin conocer tu problema, el resultado que esperas y el costo de equivocarte.

No existe una receta universal. Existen principios, existe experiencia acumulada, existe gente que sabe mucho más que otra, y existe también una industria que convierte cada novedad en una fórmula definitiva antes de haberla probado fuera de una demo. Confundir esas dos últimas cosas sale caro.

Llegamos hace poco y hablamos como veteranos

La inteligencia artificial no nació con ChatGPT, sus antecedentes tienen décadas y la IA generativa tampoco empezó en 2022.

Pero para la mayoría de nosotros la etapa actual sí empezó el 30 de noviembre de 2022, cuando OpenAI abrió ChatGPT como una vista previa de investigación, y vale la pena recordar qué decía esa publicación de lanzamiento: pedía comentarios para conocer sus fortalezas y debilidades, y reconocía que daba respuestas plausibles pero incorrectas y que cambiaba mucho el resultado ante pequeñas variaciones en una instrucción. La publicación original sigue disponible.

Mientras escribo esto todavía no se cumplen cuatro años de eso.

En ese periodo cambiaron los modelos, cambiaron las interfaces y cambiaron las tareas que podemos delegar, así que las recomendaciones que funcionaban hace un año pueden haber perdido valor, una técnica útil para programar puede ser mala para investigar, y el flujo adecuado para una empresa con datos sensibles puede ser un exceso absurdo para alguien que solo busca ideas para la once.

Estamos aprendiendo a trabajar con una herramienta que cambia mientras la aprendemos. Eso debería producir cierta humildad, y a veces produce gurús.

”El que sabe, sabe”

De acuerdo, y decir que nadie tiene una respuesta universal no significa que todos sepamos lo mismo.

Alguien que ha construido sistemas, comparado modelos, medido errores y visto fallar sus propias decisiones tiene mucho más que aportar que alguien que repite una lista de trucos. El conocimiento técnico importa y la experiencia práctica también, y me atrevo a decir que pesa más.

La diferencia está en cómo se presenta ese conocimiento.

Quien tiene experiencia te explica para qué tarea funcionó una técnica, con qué modelo, bajo qué restricciones y cómo midió el resultado, y además te puede mostrar dónde falló.

Quien vende certeza ofrece una regla para todos, selecciona sus mejores ejemplos y convierte una preferencia en obligación. La herramienta cambia y la promesa siempre es la misma: existe un secreto y casualmente está dentro de su curso, su comunidad o su plantilla.

Vender conocimiento no tiene nada de malo. Vender una gallina de los huevos de oro que solo pone huevos durante la demostración es otra cosa.

Los propios proveedores recomiendan probar

La documentación técnica es bastante menos grandilocuente que las redes sociales.

OpenAI describe la IA generativa como variable y recomienda evaluar temprano, crear pruebas específicas para cada tarea, usar casos reales y combinar métricas con juicio humano, y señala como mala práctica decidir que algo funciona porque se siente bien. Su guía de evaluaciones lo explica.

Anthropic parte de una idea parecida: antes de mejorar una instrucción hay que definir qué significa tener éxito y cómo se va a medir, porque exactitud, privacidad, tono, velocidad y costo no pesan igual en todos los usos. La evaluación comienza por el criterio de éxito.

NIST lleva la misma lógica al riesgo, y su perfil para IA generativa propone incorporar confiabilidad en el diseño, el uso y la evaluación de estos sistemas de acuerdo con los objetivos y prioridades de cada organización. El perfil NIST AI 600-1 está disponible públicamente.

Ninguna de estas fuentes promete el prompt perfecto. Todas te obligan a responder primero algo bastante más incómodo, que es qué resultado necesitas y cómo vas a saber si lo obtuviste.

Mi forma de usarla tampoco es una receta

En el artículo anterior conté que yo construí y dicté una idea, y que la IA la transcribió, la ordenó, la cuestionó y la editó. Ese flujo funcionó porque mi problema no era tener una opinión, era convertirla en un argumento claro, contrastado y publicable sin perder mi criterio.

Otra persona puede tener un problema completamente distinto: tal vez escribe bien pero necesita analizar cientos de documentos, tal vez no necesita un editor sino una contraparte que le encuentre errores, o tal vez usar IA le agrega más revisión que tiempo ahorrado y la respuesta correcta es no usarla en esa tarea.

Copiar mi proceso sin compartir mi problema no garantiza nada, y hasta puede decepcionar.

Por eso prefiero tratar cada uso nuevo como un experimento chico: primero defino qué quiero mejorar, después comparo el resultado con la forma en que hacía el trabajo antes, y miro tiempo, calidad y errores. Si ayuda lo repito, si no lo cambio o lo abandono.

No hace falta convertir la vida en un laboratorio ni construir una plataforma de evaluación para escribir un correo. A veces basta con guardar dos resultados, compararlos y preguntarte cuál usarías de verdad.

Eso sí, la prueba tiene que crecer con el riesgo: un borrador para una publicación se revisa y se descarta, y una decisión médica, legal, financiera o de seguridad necesita controles mucho más exigentes. Seamos responsables. Experimentar no autoriza a delegar consecuencias.

El criterio se construye usándolo

Aplicar criterio no significa improvisar ni rechazar todo consejo externo. Significa escuchar, probar y conservar solo lo que mejora el resultado en tu contexto, o sea, solo lo que te sirve a ti.

También significa aceptar que algo puede dejar de funcionar. Los modelos cambian, los productos agregan capacidades, y nosotros aprendemos a formular mejor los problemas, así que la práctica que hoy parece avanzada puede ser mañana una complicación innecesaria.

Estamos en pañales. Todos podemos aportar y ningún aporte queda fuera de evaluación, y la autoridad no debería medirse por la seguridad con que alguien habla sino por la evidencia que puede mostrar y los límites que está dispuesto a reconocer.

La próxima vez que alguien te diga que estás usando mal la IA, pídele el criterio de comparación: qué intentaba lograr, qué probó, contra qué alternativa lo midió y dónde falló.

Si no puede responder, probablemente no encontró una fórmula. Encontró una forma de venderla.

Yo voy a seguir prestándole más atención a quienes muestran el trabajo que a quienes gritan que ya descubrieron el futuro. Generalmente los que más saben son los más silenciosos.

Declaración de autoría: Jorge Castro concibió la idea, definió la tesis, revisó y aprobó la versión final. Una inteligencia artificial contrastó afirmaciones, consultó fuentes, editó el texto, preparó adaptaciones y generó la imagen.