¿Qué hay entre el chat de IA y “que la IA lo haga”?

Mientras más avanzo en la facilitación de talleres y en conversaciones sobre implementación de IA, más me doy cuenta de que, conforme adoptamos inteligencia artificial en nuestro trabajo y proyectos, conviene poder mapear dónde participa la IA y, sobre todo, identificar qué queremos que haga.

Recuerdo que hace un par de años, cuando mi superficie principal de trabajo era ChatGPT y Claude en la modalidad chat y haciendo proyectos y GPTs a la medida, pensaba: “Esto está bueno y me permite avanzar bien en mi trabajo… pero no creo que quienes hablan de sistemas autónomos de IA solo usen esto. O usan otras cosas de otra manera, o usan esto de maneras que yo aún no conozco.“

Eran ambas; ni solo usan chats, ni usan las mismas herramientas de la misma manera. Esto se parece a algo que decía uno de mis mentores: Ni todo sirve para todo, ni todo sirve para lo mismo.

Claro, cada necesidad y objetivo necesita su propia estrategia.

Hoy veo algo parecido en varios de mis talleres de adopción estratégica de IA con negocios y equipos de trabajo. Hay personas que están contentas usando ChatGPT, Claude o Gemini y que, al mismo tiempo, tienen la expectativa de automatizar tareas completas, desplegar agentes o delegarle áreas operativas a la IA.

De nuevo la pregunta: ¿Cómo pasamos de los chats a automatizaciones, agentes y sistemas autónomos?

Sucede que entre uno y otro hay diferentes niveles de participación de la IA, etapas de desarrollo y bastante trabajo de clarificación a nivel de caso de uso, de mapeo de procesos, de los elementos participantes, información, reglas, responsabilidades… y de saber evaluar si el resultado es útil o no.

Con alguna frecuencia escucho a personas diciendo “sí, yo ya uso IA en mi trabajo… uso ChatGPT (o cualquier otro) pagado y me ayuda con mi trabajo”.

Claro que sí, no hay duda en que ayuda. Pero aquí es donde aparecen diferentes niveles de cómo y hasta dónde “te ayuda”.

Pensemos en tener una persona asistente.

No es lo mismo una persona que te ayuda a ordenar información antes de una reunión que una asistente ejecutiva que conoce tu agenda, coordina a varias personas, anticipa pendientes, prepara materiales, sabe cuándo interrumpirte y cuándo resolver algo sin preguntarte.

Ambas personas podrían ser asistentes, pero no hacen el mismo trabajo, no tienen acceso a la misma información ni cargan con el mismo grado de responsabilidad.

Con la IA pasa algo parecido.

Lo que sí quiero subrayar es que el chat de IA no es sinónimo de uso superficial, pero tampoco es sinónimo de transformación del trabajo… y como tantas veces digo: Todo depende de lo que tú quieres.

…y si todo depende de lo que quieres, ¿cómo distingues qué tipo de ayuda quieres o necesitas y qué tendría que estar claro para pedirle más a la IA?

Una forma simple de empezar a responder esta pregunta es distinguir qué tanto trabajo queremos delegar.

No como una escalera de “principiante” a “experto/a”, ni como una ruta que todas las personas tengan que recorrer.

Hay tareas para las que un chat es exactamente lo que necesitas. Hay otras en las que conviene sistematizar un paso. Hay otras que requieren que la IA pueda revisar información, moverse entre herramientas o tomar pequeñas decisiones dentro de ciertos límites.

La diferencia no está solo en qué herramienta usas, sino en lo que esperas que haga y para qué.

A veces lo que necesitas es que la IA te ayude a pensar, preparar, buscar, ordenar, comparar o producir una primera versión de algo.

Tú le das la tarea. Tú decides qué información compartir. Tú revisas el resultado. Tú decides qué hacer después.

Puede ser que uses algo como el chat de ChatGPT, Claude, Gemini, o algo como NotebookLM. Y no solo eso, sino que puedes usar estas herramientas conectadas a tu Google Drive, Mail, o incluso a otras aplicaciones y fuentes de información. Pero eso no deja de ser asistencia solo porque la IA tiene acceso a más contexto.

Si tú sigues conduciendo el trabajo y autorizando las acciones importantes, la IA te está ayudando a llegar mejor preparada a una decisión que todavía tomas tú y eso puede seguir siendo muchísimo.

La pregunta aquí podría ser:

Hay situaciones en las que no hace falta pensar desde cero cada vez y lo que buscas es dejar de hacer manualmente algo que ya sabes cómo se hace.

Por ejemplo, una solicitud llega y hay que registrarla. Cada semana hay que consolidar cierta información. Cuando un documento está completo, se puede mover a una carpeta. Cuando falta algo, se puede avisar a la persona correcta.

Aquí no necesariamente necesitas un chat ni un agente. Necesitas una forma de decir: cuando pase esto, haz esto otro.

Eso puede ocurrir con una tarea programada, un flujo de Google Workspace, Opal, Make, Zapier, n8n, AI Field Agents en AirTable o cualquier sistema que automatice pasos aislados o pasos entre herramientas.

Pero el nombre de la herramienta no es lo importante.

Lo importante es que el paso sea suficientemente claro, repetible y reversible como para que no tengas que hacerlo tú cada vez.

Si la respuesta es sí, quizá estás frente a una oportunidad de automatización controlada.

Hasta aquí, hemos nombrado dos cosas relativamente sencillas (no necesariamente fáciles): pedir ayuda para hacer mejor tu trabajo y automatizar un paso que se repite de manera parecida.

Pero no todo trabajo funciona así.

Pensemos otra vez en una persona asistente. No es lo mismo decirle: “Cada vez que llegue este tipo de solicitud, regístrala en esta tabla”, que decirle: “Hazte cargo de revisar las solicitudes que lleguen, identifica qué información falta y avísame si encuentras algo que no cuadra”.

En el primer caso, le estás dando una instrucción fija. En el segundo, le estás dando una responsabilidad más amplia. Esa persona asistente tiene que saber qué buscar, qué información consultar, qué puede resolver y cuándo tiene que volver contigo.

Con la IA pasa algo parecido. Hay tareas en las que no basta con decir “cuando pase A, haz B”. Una solicitud puede venir incompleta. Un documento puede tener información distinta cada vez. Puede haber varias fuentes que consultar antes de proponer una respuesta.

Aquí la IA puede ayudar a avanzar el caso. Puede revisar información aprobada, detectar faltantes, preparar un brief o clasificar una solicitud… pero no necesariamente tendría que resolver todo sola.

La clave es que puedas decirle: esto es lo que estás intentando lograr, estas son las fuentes que puedes usar, estas son las cosas que puedes hacer y estas son las situaciones en las que tienes que volver conmigo.

Una pregunta útil en este nivel es:

Si la respuesta es sí, quizá no necesitas una automatización sino una forma de delegar una parte del trabajo sin perder el control de lo que importa.

A este tipo de participación se le suele llamar delegación acotada o asistencia agéntica. No porque la IA pueda hacer cualquier cosa, sino porque tiene un espacio definido para avanzar y límites claros para detenerse.

Hay un punto en el que la IA ya no participa solo en una conversación, una tarea individual o una serie de pasos aislados, sino que empieza a formar parte de cómo funciona una operación.

Por ejemplo, puede recibir solicitudes, consultar información, preparar una primera respuesta, registrar lo que hizo y enviar a revisión los casos que necesitan atención humana.

Pero aquí hay algo que cambia de manera importante: ya no basta con que una persona diga “esto me funciona”.

Si la IA participa todos los días en un proceso donde hay información real, otras personas, clientes, documentos o decisiones, alguien tiene que responder por cómo está funcionando ese sistema.

Quién decide qué información es confiable. Quién actualiza las reglas. Quién revisa si los resultados siguen siendo útiles. Quién se entera cuando algo falla. Quién atiende los casos que el sistema no puede o no debe resolver.

Por eso no me encanta hablar de sistemas completamente autónomos. Aunque la IA pueda hacer muchas cosas sin intervención constante, un equipo o al menos una persona sigue teniendo que gobernar el proceso.

Una pregunta mucho más útil que “¿qué agente usamos?” sería:

No es una pregunta técnica, sino una pregunta de responsabilidad.

Y normalmente esa pregunta te revela si estás listo/a para que la IA participe en una operación o si todavía hace falta aclarar el proceso, organizar la información o probar una parte más pequeña.

Antes de seguir, algo importante: esto no es una escalera. No todo mundo tiene que llegar al mismo lugar. Una misma operación puede tener distintos grados de delegación al mismo tiempo.

Una persona puede usar IA para diseñar una buena respuesta a una solicitud compleja. Después, un sistema puede registrar automáticamente los datos de dicha solicitud. Más adelante, la IA puede revisar si falta información y escalar casos que no cumplen ciertos criterios.

En ese mismo flujo hay asistencia, automatización y una forma de delegación con límites.

El punto no es abandonar el chat para hacerse experto/a en otra cosa.
El punto es entender qué parte del trabajo necesita qué tipo de ayuda.
Y para pedirle más a la IA, no se trata solo de darle acceso a más herramientas.
También necesitas ir construyendo las piezas con las que va a trabajar.

Sin importar tu perfil, no estás necesariamente en un solo grado de delegación.

En una misma semana puedes usar un chat para pelotear una idea, recibir ayuda de una automatización que ya existe, participar en el diseño de un flujo más agéntico y hacer preguntas sobre cómo debería gobernarse una operación donde la IA ya tiene un papel importante.

Lo que cambia según tu contexto no es si “ya usas IA” o no. Cambia qué partes de tu trabajo vale la pena asistir, automatizar, delegar o seguir sosteniendo desde el juicio humano.

Puede ser que uses un chat para explorar una idea, entender mejor una información o preparar una primera versión de algo que después tú vas a revisar.

Al mismo tiempo, quizá ya trabajas dentro de herramientas que automatizan ciertas cosas sin que necesariamente las llames “automatización”. Puede que algunas solicitudes se prerrellenen, que te lleguen avisos cuando cambia algo, que cierta información se consolide o que una parte operativa se resuelva sin que tú tengas que pedirla cada vez.

Y, mientras eso sucede, también podrías estar participando con otras personas o áreas en el diseño de algo más complejo: un flujo que revise información, prepare ciertos materiales, ayude a clasificar casos o acompañe una parte del proceso de trabajo.

No tienes que ser la persona técnica que construye todo para formar parte de esa conversación. Tu conocimiento sobre qué ocurre realmente en el trabajo, qué excepciones aparecen, qué resultado sirve y qué errores no se pueden permitir es parte de lo que hace que un sistema pueda funcionar.

Aquí también pueden convivir muchos tipos de ayuda.

Tal vez usas un chat para pelotear ideas, preparar una propuesta, explorar una solución para un cliente o revisar una primera versión de algo.

Pero quizá ya tienes algunos flujos semiautomatizados que te liberan horas de trabajo semanal: una forma de organizar solicitudes, preparar seguimientos, clasificar información, actualizar una base de datos o mover ciertos materiales entre herramientas.

Incluso puede haber partes operativas del negocio que ya no necesitan pasar por ti en cada paso. No porque hayas dejado de ser responsable, sino porque has identificado qué puede ocurrir con reglas claras, qué necesita revisión y qué todavía requiere tu experiencia.

En algunos casos, una forma de trabajo con IA puede ayudarte a no contratar a una tercera persona para una tarea muy acotada. En otros, puede evitar que dependas de una herramienta costosa para resolver algo que ya sabes cómo diseñar a tu medida. Y en otros, simplemente puede darte más tiempo para el trabajo que solo tú puedes hacer.

La pregunta no es cuántas cosas haces con IA. Es qué partes de tu conocimiento y de tu operación estás convirtiendo en algo más consistente, reusable y sostenible.

Aquí el chat puede ser una forma muy valiosa de pedir explicaciones, comparar conceptos, preparar preguntas, revisar un primer intento o volver a una idea que todavía no entiendes del todo.

Pero no tiene que quedarse solo en una conversación aislada.

Si estás trabajando durante un semestre, trimestre o cuatrimestre en una materia compleja, podrías ir construyendo un contexto acumulativo de estudio: fuentes permitidas, notas, conceptos, preguntas, ejemplos, avances de proyectos y dudas que van apareciendo.

Con una estructura así, la IA puede funcionar menos como alguien a quien le preguntas algo desde cero y más como un copiloto de estudio que entiende qué has visto, qué estás intentando aprender y qué conexiones todavía necesitas hacer.

Y si estás desarrollando un proyecto, también podrías trabajar con flujos más agénticos para investigar, ordenar materiales, comparar alternativas o preparar entregables. No para que haga por ti la parte que te toca aprender, sino para que puedas dedicar más atención a entender, revisar y construir criterio.

Aquí pueden coexistir las mismas capas que en otras organizaciones o equipos de trabajo: chats para asistir tareas individuales, automatizaciones para reducir carga administrativa y flujos que ayuden a organizar información o preparar materiales.

Pero también existe una oportunidad especialmente importante: convertir conocimiento disperso en una base más consistente para el trabajo de la organización.

Información sobre comunidades, programas, fondos, convocatorias, procesos de implementación, aprendizajes anteriores, criterios de evaluación y documentos de trabajo puede vivir repartida entre personas, carpetas, correos y años de experiencia acumulada.

Una base de conocimiento bien construida puede ayudar a que una organización encuentre mejor lo que ya sabe, prepare propuestas con más consistencia, dé seguimiento a procesos, reduzca dependencia de una sola persona y use su tiempo de manera más estratégica.

Eso puede apoyar desde la preparación de una aplicación a grants hasta la coordinación de proyectos o el seguimiento de metas de implementación.

Pero aquí también importa mucho no olvidar el contexto: qué información se puede usar, quién puede acceder a ella, qué decisiones requieren validación humana y qué riesgos aparecen cuando una respuesta aparentemente correcta no entiende la realidad de las personas o comunidades involucradas.

Cada persona, equipo u organización puede tener varias de estas capas funcionando al mismo tiempo.

Por eso quizá la pregunta no es: “¿En qué nivel de IA estoy?”
Puede ser más útil preguntar:

Tal vez necesitas asistencia para pensar mejor una tarea. Tal vez ya identificaste un paso que puede automatizarse. Tal vez hay un caso con suficientes variaciones como para diseñar una delegación con límites. Tal vez estás trabajando en un sistema que necesita reglas, responsables y formas de evaluación más claras.

No se trata de llegar a un destino técnico.

Se trata de entender qué estás construyendo, qué piezas hacen falta y qué parte del trabajo sigues necesitando conducir tú.

En esta edición se han nombrado distintos tipos de ayuda que puede dar la IA. Pero antes de pensar en una automatización, un agente o una operación más autónoma, hay algo que suele hacer falta: saber qué piezas existen ya y cuáles todavía no.

Porque muchas veces tenemos una idea amplia.

“Quiero que la IA me ayude con esto.”
“Quiero automatizar esta parte.”
“Quiero construir un agente para mi negocio.”

Pero entre esa intención y algo que realmente pueda funcionar hay una serie de elementos que quizá ya tienes, quizá viven repartidos entre distintas personas o quizá todavía necesitas construir.

No hace falta mapear todo tu trabajo esta semana. Basta con elegir un proyecto, un proceso o una necesidad concreta que te gustaría mejorar con IA.

Puede ser una tarea que hoy haces en chat. Una parte operativa que te quita tiempo. Un proceso de tu equipo. Una idea de producto. Una materia que estás estudiando. Una solicitud que llega una y otra vez. O incluso algo que todavía no sabes muy bien cómo resolver.

Después, intenta completar esta frase:

Si todavía no sabes cómo completar alguna parte, no tienes que inventarla.

Puedes copiar este enunciado, aunque esté incompleto, y dárselo a un chat de IA o al GPT “¿Para qué usar o aprender IA?” para explorar el caso antes de intentar construir una solución.

La idea no es pedirle que te recomiende una herramienta ni que diseñe un agente de inmediato. Es usar la conversación para descubrir qué información falta, qué parte del trabajo vale la pena entender primero y qué tipo de ayuda tendría sentido.

Puede ser que después de esta exploración, descubras que lo que necesitas es un prompt mejor documentado. O una librería de instrucciones. O una prueba pequeña. O una conversación con las personas que conocen el proceso. O una forma de ordenar información que ya existe.

También puede pasar que descubras que aún no estás en el momento para construir algo en particular.

Si quieres profundizar en la parte de decidir dónde aplicar IA antes de elegir una solución, puedes leer Estrategia de IA: cómo decidir dónde aplicarla (además ya verás que puedes chatear directamente con el blog).

En la edición 05, la pregunta era: ¿para qué quieres usar IA?

En la edición 06, la pregunta que siguió fue: ¿qué necesita saber la IA para ayudarte a avanzar hacia eso?

En esta edición aparece una tercera pregunta:

No necesitas pegar tu vida, tus carpetas y las notas de cada reunión dentro de un chat. Pero tampoco puedes esperar que una herramienta entienda un problema que aún no has logrado nombrar.

No basta con tener una buena intención, una suscripción pagada o una idea de que “un agente podría hacerlo”.

El trabajo radica en explorar qué podría importar. Elegir lo que sí importa. Entender qué parte del trabajo quieres asistir, automatizar o delegar. Y construir poco a poco las piezas que le permitirían a la IA participar de una manera útil.

Un prompt no es siempre el inicio de esa conversación.
A veces es la última línea de un contexto que ya empezaste a construir.

Y otras veces es apenas la primera pieza de una forma de trabajar que, con el tiempo, puede convertirse en una librería de instrucciones, un procedimiento, un workflow o una operación con mayor autonomía.

Y la meta no siempre es conquistar lo más complejo de la IA… muchas veces es más relevante lograr que realmente te impulse en lo que sí es importante para ti y lo que quieres lograr.