La pregunta para ahorrar tiempo y dinero cuando alguien dice: “Quiero usar IA”

En los últimos días he escuchado distintas versiones de la misma frase:

“Quiero aprender IA.”
“Queremos usar IA en el negocio (u organización).”

Y haciendo keyword research para el nuevo sitio de LifeStrategics me encuentro constantemente con estas búsquedas: “cómo usar IA”, “cómo aprender IA”, “cómo implementar IA”.

Cada vez que aparece alguna versión de ese fraseo en una conversación, suelo hacer estas preguntas que me parecen las lógicas:

¿Para qué?
¿Qué quieres lograr usando IA?

Y entonces ocurre algo fascinante. La persona se queda mirando a la distancia. Casi puedo ver una ruedita invisible girando arriba de su cabeza, como cuando una computadora está procesando algo inesperado.

En el caso de las personas, esto suele implicar que saben que la IA está cambiando su industria, su trabajo o las expectativas de sus clientes y quieren prepararse.

El problema es que llevamos años hablando tanto de herramientas, prompts, cursos y automatizaciones que “usar IA” empezó a sonar como un objetivo completo cuando no necesariamente lo es.

Esta semana, además, recibí una noticia que me emociona mucho: fui aceptada en OpenAI Partner Network, una red global de organizaciones que construyen, venden y entregan soluciones de IA con OpenAI (aunque yo trabajo con varias marcas de IA).

Al iniciar mi onboarding, me encontré con una confirmación interesante:

La conversación estratégica no empieza preguntando sobre los cómos (qué botón presionar o qué prompt escribir). Empieza mucho antes: entendiendo qué valor queremos generar y qué resultado estamos intentando producir.

La coincidencia me hizo volver a esa escena de la ruedita procesando.

Tal vez una de las primeras cosas que necesitamos aprender sobre IA no es cómo usarla, sino poder responder para qué queremos usarla.

“Quiero usar IA” expresa una intención tecnológica, pero no expresa un propósito.

De hecho, me recuerda a cuando la frase mágica era “en internet”.

Una empresa quería estar en internet. Una persona quería trabajar en internet. Un negocio quería vender en internet. Pero internet no era el resultado, sino el territorio donde podían ocurrir cosas muy diferentes, como hacer banca electrónica, investigar, comprar, aprender, entretenerte, conocer personas, operar un negocio o construir una comunidad.

Saber que quieres “estar en internet” no indica qué necesitas construir ahí, y con la IA pasa algo parecido.

Puedes usarla para analizar información, preparar una clase, revisar una tabla financiera, detectar patrones, generar contenido, documentar conocimiento, responder preguntas de clientes, diseñar una propuesta, explorar un producto nuevo o reorganizar un proceso completo.

Por eso, aunque “quiero usar IA” es un punto de partida válido, es demasiado amplio para orientar una decisión.

La conversación útil empieza cuando esa intención se convierte en una exploración de valor.

Generar valor significa producir un cambio que mejora una condición relevante para alguien.

En un negocio puede significar aumentar ventas, reducir costos, tomar decisiones con mejor información, mejorar la experiencia de clientes, disminuir errores o liberar capacidad del equipo.

En una organización de impacto puede significar atender mejor a una comunidad, preservar conocimiento institucional, mejorar la calidad de la evidencia o dedicar menos tiempo a tareas administrativas y más a la misión.

Para una persona puede significar aprender algo con mayor profundidad, preparar mejor su trabajo, desarrollar una capacidad, reducir fricción, hacer visible su experiencia o construir algo que antes no podía construir.

El valor no aparece solamente porque la IA participó en el proceso, sino cuando el resultado mejora algo que le importa a alguien.

Hay una diferencia importante entre capacidad, aplicación y valor esperado. Para distinguir mejor estas tres capas, piensa que cada una responde una pregunta diferente:

Capacidad: ¿Qué puede hacer la tecnología?
Es una posibilidad general, todavía sin una situación concreta.
Por ejemplo: la IA puede analizar, comparar y sintetizar grandes cantidades de información.

Aplicación: ¿En qué actividad vamos a utilizar esa capacidad?
Aquí la posibilidad se conecta con una tarea real.
Por ejemplo: usamos IA para organizar las notas, acuerdos y pendientes de varias reuniones.

Valor esperado: ¿Qué debería mejorar y para quién?
Explica por qué vale la pena utilizar IA en esa actividad.
Por ejemplo: queremos reducir el tiempo que el equipo dedica a buscar información, evitar que se pierdan acuerdos importantes y dar seguimiento más rápido a las decisiones.

La capacidad describe lo que la IA puede hacer. La aplicación define dónde queremos utilizarla. El valor esperado nombra el cambio que esperamos producir.

Y todavía queda una pregunta importante: ¿cómo sabremos si ese cambio realmente ocurrió?

Una vez definido el cambio esperado, hay que identificar dónde ocurre: en qué tarea, decisión, experiencia, producto o proceso. Después hay que entender qué información existe, qué criterios importan, quién participa, qué riesgos deben cuidarse y cómo se reconocerá un buen resultado.

Entonces aparece el caso de uso. Luego la arquitectura. Después las herramientas, las plataformas, los prompts y la construcción material.

Muchas conversaciones intentan comenzar por el final, por los cómos… Y, claro, el botón que hay que presionar y el prompt son tangibles. Definir el resultado requiere detenerse, observar y tomar decisiones, y además obliga a reconocer lo que todavía no está claro, algo que puede ser doloroso en lo cognitivo y a nivel de aceptación.

Incluso cuando el resultado ya está más claro, no todas las tareas necesitan el mismo apoyo.

Algunas necesitan explorar posibilidades. Otras necesitan estructurar información, revisar riesgos, sintetizar una tesis o producir un entregable. En un mismo proyecto podemos necesitar pensamiento exploratorio, estructural, crítico, sintético y productivo en momentos diferentes.

Esto también explica por qué preguntar “¿cuál es la mejor IA?” suele llegar demasiado pronto. La herramienta adecuada depende de qué quieres lograr, qué parte del trabajo debe apoyar y qué tipo de pensamiento necesita ese momento del proceso.

No necesitas tener todo resuelto para empezar. Pero sí necesitas una primera dirección que te permita explorar y aprender con propósito.

La pregunta “¿para qué?” funciona para una persona, un equipo y una organización completa. Lo que cambia es el nivel en el que debe buscarse la respuesta.

Tal vez “quiero aprender IA” significa que quieres preparar mejores análisis, reducir el tiempo dedicado a reportes, llegar con más claridad a una junta, documentar una parte de tu experiencia o dejar de depender de otra área para cierta información.

No necesitas empezar dominando todas las herramientas. Puedes empezar observando una semana real de trabajo:

El resultado no necesariamente tiene que transformar toda la empresa. Puede comenzar mejorando una tarea relevante y haciendo visible el valor que produjo.

La IA puede aumentar tu capacidad, pero primero conviene definir qué quieres hacer con esa capacidad.

“Producir más” a veces es un objetivo intermedio para conseguir algo más, y puede ser que el valor radique más en producir con mayor consistencia, entender mejor a tus clientes o dedicar más tiempo a las decisiones que diferencian tu trabajo.

Aprender IA no tiene que significar convertirte en especialista técnica/o.

Puede significar aprender a investigar mejor, hacer preguntas más profundas, analizar información, practicar una habilidad, construir un proyecto o producir evidencia para un portafolio.

La pregunta importante es qué quieres ser capaz de hacer al terminar. Un curso puede enseñarte funciones. Un proyecto con propósito te ayuda a convertirlas en capacidad propia.

Y hay otra decisión importante: ¿qué parte quieres que la IA apoye y qué parte necesitas hacer tú precisamente porque estás aprendiendo?

En tu caso, tal vez el valor no se refiera principalmente a la eficiencia o al ahorro.

Puede significar atender mejor a una comunidad, organizar evidencia para donantes, preservar una metodología, preparar reportes con mayor claridad, reducir carga administrativa o liberar capacidad para trabajo de campo.

En estos contextos también importa preguntar qué no debería automatizarse, qué información necesita protección y qué decisiones requieren comprensión humana del contexto.

“Queremos un curso de IA” puede esconder necesidades muy distintas.

Un equipo de marketing puede querer entender mejor a sus audiencias, producir campañas con mayor consistencia o reducir el tiempo entre una idea y su ejecución.

Un equipo financiero puede querer detectar anomalías, preparar explicaciones más claras o reducir trabajo manual, sin delegar decisiones sensibles que requieren responsabilidad humana.

Una institución educativa puede querer apoyar la preparación de clases, mejorar la retroalimentación o reducir carga administrativa, cuidando la privacidad, la exactitud y el proceso real de aprendizaje.

Una empresa de retail puede querer responder mejor a clientes, entender la demanda o mejorar inventarios. Una organización de manufactura puede querer documentar procesos, apoyar el control de calidad o anticipar mantenimiento.

La industria aporta contexto, el modelo de negocio (o de organización) ayuda a identificar qué aplicaciones potenciales podrían serles útiles, pero lo ideal es aterrizar qué significa “usar IA” hasta una definición que indique un cambio concreto, dentro de un proceso reconocible, para una persona o grupo que pueda recibir el valor.

Hoy te traigo un ejercicio de autofacilitación que te ayudará a darle mayor definición a la intención de “usar IA”. Puedes realizarlo para ti, con tu equipo o como conversación inicial dentro de una organización, y puede ser tan amplio o específico como prefieras.

Si prefieres usar un GPT creado explícitamente para esta exploración, visita la sección El Recurso de la Semana.

Completa esta frase:

Un ejemplo:

La frase resultante aún no es una estrategia ni un caso de uso completamente validado. Es algo más básico, pero muy necesario: una dirección que ya puede discutirse, revisarse y convertirse en decisiones.

Si al hacer el ejercicio descubres que no sabes responder alguna pregunta, no fallaste. Encontraste exactamente lo que necesitas aclarar antes de comprar una licencia o considerar un curso.

No tienes que haber nacido como una persona experta en IA para comenzar a utilizarla con intención. Tampoco necesitas conocer todas las posibilidades antes de elegir la primera para tu caso. Las personas que hoy se mueven con naturalidad en el territorio también empezaron probando, preguntando y corrigiendo (llevo haciendo eso más de tres años).

Lo que sí necesitas es distinguir entre aprender una herramienta y construir la capacidad de generar valor con ella.

Una persona principiante con un propósito claro puede aprender, probar y revisar en una dirección. Una organización con muchas licencias y ningún resultado definido puede pasar meses moviéndose sin avanzar.

Por eso la pregunta “¿para qué?” no busca exhibir lo que no sabes, sino darte un lugar más útil desde donde empezar.

Cuando pienso en cómo aprender IA, no pienso en abrir una aplicación, sino en aprender a mirar tu trabajo, tu contexto y lo que quieres transformar… usando IA.