Toda tecnología pasa por el mismo proceso de adopción resumido en la llamada Curva de Adopción de Tecnología o de Innovación (ver la figura 1). Cada nueva tecnología transforma la manera en que trabajamos, nos transforma como profesionales, y transforma a nuestras empresas. El modelo de curva de adopción fue creado en 1962 por el sociólogo Everett Rogers. Se empieza por los innovadores, los primeros en tratar una tecnología, son los que se aventuran a crear los primeros usos prácticos. Luego vienen los adoptadores tempranos, líderes de opinión que prueban el nuevo invento antes que los demás y ayudan a difundirlo. La mayoría temprana lo empieza a usar antes que la persona promedio, y la mayoría tardía sabe que lo tiene que adoptar, pero espera un poco más para convencerse. Los rezagados se resisten al cambio y solo lo usan porque no les queda más remedio. Cada nivel adoptante depende de su nivel de conocimiento, interés, evaluación, prueba y uso. Si le funciona a los innovadores y adoptadores tempranos, pasará al siguiente nivel, y al que sigue hasta llegar a los rezagados. El teórico organizacional Geoffrey Moore agregó el concepto del “abismo” (en su libro Crossing the Chasm) para indicar los peligros de rechazo de tecnologías prometedoras debido a la diferencia de expectativas entre visionarios y practicantes.
¿Dónde pensaría usted que está la adopción de la Inteligencia Artificial en este momento?
Depende del tipo de inteligencia artificial y también depende de usted. Veamos la siguiente tabla:
¿Cuáles tipos de IA me ayudan directamente en mi trabajo diario como complemento profesional?
Asumiendo que usted no es un profesional directamente relacionado con tecnología de información, los tipos de IA que más le deben importar son la IA generativa y la IA integrada al flujo de trabajo diario. La IA generativa (ChatGPT, Gemini, Copilot, Claude, Perplexity, Jasper, Sora, DALL-E, Nano-Banana, entre otras) actúa como un copiloto intelectual: ayuda a redactar, analizar, resumir, idear alternativas, preparar presentaciones, estructurar informes, interpretar datos y cuestionar supuestos, permitiendo al profesional concentrarse en el juicio, la decisión y el valor agregado. Por su parte, la IA integrada —embebida en herramientas cotidianas como correo, hojas de cálculo, CRM, ERP o gestores de proyectos— automatiza tareas repetitivas, sugiere acciones oportunas, detecta errores, prioriza información y conecta datos dispersos en tiempo real. Por ejemplo, tengo un amigo que acostumbra mandarme correos súper importantes a mi correo de Gmail, que uso, con suerte, una vez por semana. Decidí hacer un flujo muy simple con la herramienta Make.com (versión gratis) que lea mi correo de Gmail y si encuentra un correo de mi amigo me lo pase de inmediato a mi correo de trabajo. En el primer paso Make lee mi correo de Gmail, luego aplica una decisión para ver si el correo es de mi amigo, y si la respuesta es sí, automáticamente hace forward del correo a mi cuenta de trabajo. No estoy usando directamente IA, y el flujo es tan sencillo que se los muestro a continuación:
Igual se podría leer una factura que viene adjunta al cuerpo de un correo, con IA leer información del cliente, descripción de la venta, monto de la venta, etc. y pasar esa información automáticamente a una hoja electrónica mientras que la factura se guarda en una carpeta. Make es una de las herramientas “no code” o “low code” como Zapier, n8n, Power Automate entre otras.
¿Qué debo aprender ya para sacarle ventaja a la IA en mi trabajo diario?
Posiblemente ha escuchado el término “prompt engineering”. La palabra prompt viene siendo la instrucción a la IA, y prompt engineering algo así como diseño de instrucciones para IA. Un buen prompt tiene la siguiente estructura:
Veamos ejemplos de malos prompts y buenos prompts.
Veamos este ejemplo completo del buen uso del prompt engineering:
El mal uso de los prompts, el exceso de trabajo de muchos profesionales y la falta de intención estratégica en el uso de IA generan resultados de baja calidad que ya tienen un nombre: “workslop”, algo así como “trabajo basura o bazofia”. De acuerdo con el artículo Why People Create AI “Workslop” – and How to Stop It publicado por Harvard Business Review, la empresa debe dar respuesta sistémica al uso de IA eliminando mandatos vagos como “usar IA”. También se debe desarrollar competencias en el uso de IA con formación práctica, buen acompañamiento y modelos estándar y visibles de uso. Es importante utilizar la IA para las cosas que uno sabe hacer, donde puede supervisar, discriminar y determinar la calidad de los resultados.
La IA duplica su capacidad cada 6 a 12 meses, ¿cómo me mantengo al día?
El mal uso de los prompts, el exceso de trabajo de muchos profesionales y la falta de intención estratégica en el uso de IA generan resultados de baja calidad que ya tienen un nombre: “workslop”, algo así como “trabajo basura o bazofia”. De acuerdo con el artículo Why People Create AI “Workslop” – and How to Stop It publicado por Harvard Business Review, la empresa debe dar respuesta sistémica al uso de IA eliminando mandatos vagos como “usar IA”. También se debe desarrollar competencias en el uso de IA con formación práctica, buen acompañamiento y modelos estándar y visibles de uso. Es importante utilizar la IA para las cosas que uno sabe hacer, donde puede supervisar, discriminar y determinar la calidad de los resultados.
El mal uso de los prompts, el exceso de trabajo de muchos profesionales y la falta de intención estratégica en el uso de IA generan resultados de baja calidad que ya tienen un nombre: “workslop”, algo así como “trabajo basura o bazofia”. De acuerdo con el artículo Why People Create AI “Workslop” – and How to Stop It publicado por Harvard Business Review, la empresa debe dar respuesta sistémica al uso de IA eliminando mandatos vagos como “usar IA”. También se debe desarrollar competencias en el uso de IA con formación práctica, buen acompañamiento y modelos estándar y visibles de uso. Es importante utilizar la IA para las cosas que uno sabe hacer, donde puede supervisar, discriminar y determinar la calidad de los resultados.
Para terminar, ¿Por qué Sócrates no adoptaría la IA generativa, pero usted sí?
En el diálogo Fedro, Platón pone en boca de Sócrates su desconfianza hacia la escritura, a la que considera una fuente de ilusión de conocimiento y una amenaza para la memoria y el juicio. Dos mil años después, la IA generativa nos sitúa ante una inquietud sorprendentemente similar. El riesgo no está en la herramienta, sino en la tentación de delegarle el esfuerzo de pensar. Como ocurrió con los libros, la IA no sustituirá el juicio humano si, en lugar de abdicar, reafirmamos y fortalecemos nuestro papel como pensadores.
E!
Chairman Grupo PXS Fellow ASQ I’m part of the ASQ Influential Voices program. While I receive an honorarium from ASQ for my commitment, the thoughts and opinions expressed on my blog are my own.