Durante meses tuve algunas de las inteligencias artificiales más potentes del mundo trabajando para mí.

Y las usaba para cambiar botones de sitio.

También para resumir correos, ordenar tablas y corregir frases que yo mismo había escrito cinco minutos antes. Era como comprar un reactor nuclear y utilizarlo para calentar el café.

El café salía estupendo. Ese no era el problema.

El problema era que, mientras yo admiraba lo rápido que calentaba la taza, la inteligencia artificial estaba cambiando de tamaño delante de mis ojos.

Primero le hacíamos preguntas. Después empezó a leer nuestros documentos. Luego llegó la posibilidad de buscar, comparar, programar, abrir herramientas, comprobar resultados y trabajar durante más tiempo sin que tuviéramos que indicarle cada movimiento.

Ya no estamos hablando solamente de un chat que redacta bien. Estamos empezando a convivir con agentes capaces de perseguir un objetivo.

Y si la herramienta ha cambiado tanto, quizá también tenga que cambiar la pregunta que le hacemos.

¿Puedo ser más ambicioso?

Esa es la pregunta que quiero compartir hoy.

No porque haya encontrado una fórmula mágica. Tampoco porque crea que la inteligencia artificial vaya a resolverlo todo. Al contrario: cuanto más capaz se vuelve, más importante me parece entender qué hace bien, dónde falla y qué decisiones no debemos entregarle.

Pero llevo tiempo intentando transmitir en este blog las evoluciones de la IA tal como las vivo: lo que pruebo, lo que funciona, lo que se rompe y lo que aprendo cuando seis máquinas miran la misma web y ni siquiera cuentan los mismos enlaces.

Mi intención no es convertiros en expertos en modelos. Es algo mucho más práctico: que nadie llegue tarde a una transformación por pensar que la IA sigue siendo aquel chatbot al que le pedíamos una receta o una felicitación de cumpleaños.

Para explorar esta pregunta reuní trece fuentes en un cuaderno de NotebookLM sobre la ambición con inteligencia artificial. La pieza que organizaba muchas de las ideas era un artículo de Felix Rieseberg: How to be more ambitious: A tutorial for humans with models.

Yo esperaba otro manual de prompts. Una plantilla, cuatro palabras mágicas y quizá un acrónimo que poder olvidar al día siguiente.

En cambio, me encontré con una pregunta bastante más incómoda:

¿Qué quieres que ocurra realmente después de terminar esta tarea?

No «qué documento quieres». No «qué botón hay que mover». Qué quieres que ocurra.

Miré mi lista de encargos a las máquinas y tuve que admitirlo: estaba pensando demasiado pequeño.

Cuando pedir bien ya no es suficiente

Hasta ahora hemos dedicado mucho tiempo a aprender a pedir. A escribir instrucciones precisas, añadir contexto y explicar el formato de la respuesta.

Todo eso sigue siendo útil, pero se queda corto cuando la IA puede hacer algo más que responder.

Si una máquina puede investigar, contrastar documentos, utilizar herramientas y comprobar parte de su propio trabajo, el encargo «hazme un PDF» desperdicia casi toda esa capacidad.

El PDF es un objeto. El resultado es que alguien comprenda algo, tome una decisión o consiga hacer lo que antes no podía.

En mi agencia, por ejemplo, podría pedir:

Hazme un PDF de este viaje.

O podría subir el objetivo:

Ayuda a este cliente a decidir si este viaje encaja con él. Explica por qué se ha elegido cada opción, demuestra cada dato, deja visibles las dudas y no envíes nada hasta que yo lo apruebe.

La máquina puede terminar creando un PDF en ambos casos. Pero en el segundo ya no trabaja para fabricar páginas. Trabaja para producir comprensión.

«Escribe un correo» puede convertirse en «consigue una respuesta útil sin estropear la relación con el proveedor».

«Arregla esta web» puede convertirse en «haz que el visitante entienda qué ofrecemos y pueda actuar sin perderse».

«Busca tres hoteles» puede convertirse en «construye una selección que yo pueda defender delante de este cliente concreto».

La diferencia no está en escribir una orden más larga. Está en atreverse a encargar un resultado más importante.

Altitud: levantar la cabeza del tornillo

El marco que estudié llama altitud a este cambio.

Cuando trabajamos a ras de suelo vemos tareas: un texto, una tabla, una imagen, un botón. Si subimos, vemos para qué existen.

Eso cambia la conversación con la inteligencia artificial, pero también cambia nuestra propia forma de pensar. Muchas veces somos nosotros quienes hemos convertido el trabajo en una colección de piezas porque resulta más cómodo pedir algo pequeño y fácilmente controlable.

La pregunta de altitud es:

¿Qué quiero que sea diferente cuando esto termine?

No siempre hace falta subir. Si el botón está mal alineado, se arregla el botón y todos contentos. Pero conviene comprobar que no estamos empleando una herramienta extraordinaria para perfeccionar una tarea que ya no es la correcta.

Profundidad: quitarle la corbata imaginaria

Durante años escribimos «actúa como el mejor experto del mundo».

La máquina se ponía una corbata imaginaria, añadía tres palabras técnicas y nos devolvía la misma respuesta superficial con aspecto de conferencia.

La profundidad no consiste en pedir jerga. Consiste en exigir método.

¿Qué datos necesitaría un profesional competente? ¿Qué herramientas utilizaría? ¿Qué intentaría refutar? ¿Qué prueba externa demostraría que el trabajo está bien? ¿Qué parte no puede verificarse con la información disponible?

Ya conté en este blog que pedí a seis agentes que revisaran la misma web. Coincidieron en los problemas graves, pero ni siquiera contaron el mismo número de enlaces. Cada uno había mirado con un método distinto y casi ninguno me dijo cuál había usado.

Esa experiencia me enseñó que una respuesta segura no es una respuesta demostrada.

La IA ha evolucionado mucho en su capacidad para hacer. Ahora nos toca evolucionar a nosotros en nuestra capacidad para comprobar.

Alcance: no contratar cinco copias del mismo experto

La tercera dimensión es el alcance.

Una de las posibilidades más interesantes de los agentes es reunir miradas que normalmente no coinciden en la misma mesa. No pedir a cinco máquinas que hagan lo mismo con nombres distintos, sino dar a cada una una función y un método.

En una propuesta de viaje, por ejemplo, podría intervenir alguien que conozca el destino, una persona obsesionada con la claridad, una familia que viaja por primera vez, una pareja que busca algo especial y un comparador profesional de Booking.

Es la película del atraco, pero en vez de robar un banco intentamos que un presupuesto no parezca escrito por un banco.

De ahí nació una prueba que quiero hacer en mi negocio: el Consejo de clientes.

Cuatro clientes simulados leen una propuesta antes de que salga. El viajero experto busca superficialidad. La familia pregunta qué pasará cada día y qué ocurre si algo se tuerce. La pareja de lujo busca señales de algo verdaderamente especial. Y el comparador con Booking pregunta por qué debería contratarme a mí.

Ninguno decide. Ninguno reserva. Ninguno habla con el cliente real.

Su trabajo es encontrar las objeciones antes de que lleguen al otro lado de la mesa. El mío es decidir cuáles son válidas.

Velocidad: aprender antes, no quitar los frenos

La cuarta dimensión es la velocidad.

Aquí la inteligencia artificial se entusiasma con facilidad. Le pedí al cuaderno que llevara estas ideas a una agencia de viajes y propuso analizar fichas médicas para el buceo, reprogramar viajes automáticamente y prometer tiempos de respuesta que no estaban respaldados por ningún dato.

Muy ambicioso. También una magnífica forma de arruinar una agencia antes del desayuno.

Ser más rápido no significa saltarse los controles. Significa acortar el tiempo entre una idea, una prueba, un error y el siguiente intento.

Antes preparar una variante podía costar tanto que solo hacíamos una. Ahora podemos comparar varias, enfrentarlas a críticas distintas y aprender antes de enviar nada.

La velocidad sirve para probar antes, no para publicar antes de pensar.

La frontera que no quiero borrar

Aquí está la parte más importante de todo el artículo.

Ser más ambicioso con la IA no significa darle más autoridad.

Significa pedir un resultado mayor, aportar mejores fuentes, exigir pruebas más profundas y utilizar más perspectivas. Pero la decisión sigue siendo humana allí donde un error cuesta dinero, seguridad o confianza.

Una inteligencia artificial puede comparar cien páginas sin cansarse. Puede señalar contradicciones, probar una web, preparar escenarios y encontrar una frase que promete más de lo que podemos demostrar.

Pero no ha acompañado a una familia que esquía por primera vez. No ha visto la cara de un buceador cuando cambia el mar. No sabe cuándo un silencio al teléfono significa miedo, ilusión o que el cliente acaba de mirar el precio y está intentando respirar con normalidad.

Eso no es romanticismo. Es trabajo.

Mi papel no disminuye cuando la máquina es más capaz. Cambia de sitio. Dejo de empujar cada píxel y cada frase para concentrarme en decidir qué merece existir, qué riesgo acepto y qué le puedo prometer de verdad a una persona.

Las preguntas que ahora me hago

Esta evolución me obliga a revisar encargos que antes parecían normales:

• ¿Estoy pidiendo una pieza o el resultado que esa pieza debería conseguir?
• ¿Le he dado a la IA acceso a los datos y herramientas adecuados o le estoy pidiendo que improvise?
• ¿Cómo demostraré que lo que entrega funciona fuera de su propia respuesta?
• ¿Qué otras miradas podrían descubrir algo que yo no veo?
• ¿Qué decisión debe seguir siendo exclusivamente humana?

Y, sobre todo:

¿Puedo ser más ambicioso sin volverme más imprudente?

Creo que sí.

De hecho, esa puede ser la gran oportunidad de este momento: utilizar la enorme capacidad nueva de los modelos sin confundir capacidad con criterio.

Por qué quiero contar todo esto

Recableado nació, en parte, para compartir lo que me está pasando con la inteligencia artificial mientras todavía está pasando.

No quiero escribir desde una tarima, explicando el futuro cuando ya haya ocurrido. Prefiero abrir el taller: enseñar el experimento, el error, la herramienta que ayer no existía, el agente que hizo algo sorprendente y la ocasión en la que tuve que detenerlo porque se estaba inventando el puente mientras lo cruzaba.

Las evoluciones llegan tan deprisa que es fácil quedarse con una fotografía antigua. Quien probó una IA hace un año y recibió una respuesta mediocre puede pensar que aquello sigue igual. Quien solo ve demostraciones espectaculares puede creer justo lo contrario: que ya no hace falta revisar nada.

Las dos imágenes son falsas.

La IA actual puede hacer mucho más de lo que la mayoría le pide. Y todavía puede equivocarse con una seguridad extraordinaria.

Por eso quiero seguir contándolo aquí. No para que todos adoptemos cada herramienta nueva, sino para que podamos decidir con conocimiento. Para que una pequeña empresa, un profesional o una persona curiosa pueda mirar estas capacidades sin miedo, pero también sin arrodillarse ante ellas.

Mi objetivo no es convenceros de que la IA puede hacerlo todo.

Es ayudaros a formular una pregunta mejor:

Con lo que la inteligencia artificial ya puede hacer hoy, ¿qué problema importante sigo tratando como una colección de tareas pequeñas?

Yo ya he encontrado unos cuantos.

Abrir a tamaño completo

Ver la infografía en inglés

Open full size

El reactor y el café

Seguiré usando inteligencia artificial para corregir textos, ordenar tablas y mover botones. No hace falta prohibir el café solo porque tengamos un reactor.

Pero ya no quiero pasarme el día admirando lo rápido que calienta la taza.

Quiero aprender qué más puede hacer la máquina. Quiero compartir sus nuevas capacidades sin ocultar sus fallos. Quiero probarlas en problemas reales. Y quiero conservar la última palabra cuando la decisión importa.

Quizá ser más ambicioso no consista en pedir a la IA que nos sustituya.

Quizá consista en dejar de pedirle cosas pequeñas y empezar a plantearnos, juntos, preguntas más grandes.

Cinco respuestas rápidas

¿Qué significa ser más ambicioso con la inteligencia artificial?

Significa encargar a la IA el resultado que se quiere conseguir, no solo una pieza aislada. También implica darle mejores fuentes y herramientas, exigir métodos y pruebas, incorporar perspectivas distintas y mantener el control humano en las decisiones con consecuencias reales.

¿Ser más ambicioso con la IA significa darle más autonomía?

No necesariamente. La ambición puede aumentar el tamaño y la profundidad del encargo sin aumentar la autoridad de la máquina. Las decisiones que afectan a dinero, seguridad, publicación, reservas o confianza deben conservar una aprobación humana explícita.

¿Cuáles son las cuatro dimensiones de la ambición con IA?

Altitud es pensar en el resultado y no solo en la tarea; profundidad es exigir datos, herramientas, método y pruebas; alcance es reunir disciplinas y perspectivas distintas; velocidad es acortar el ciclo entre prueba y aprendizaje sin eliminar controles.

¿Cómo ha evolucionado la inteligencia artificial más allá del chatbot?

Además de redactar respuestas, los sistemas actuales pueden trabajar con documentos, investigar, comparar información, usar herramientas, programar y ejecutar tareas de varios pasos. Esa mayor capacidad exige verificar el método y los resultados en lugar de confiar solo en la seguridad de la respuesta.

¿Qué papel conserva la persona cuando trabaja con agentes de IA?

La persona define qué merece hacerse, aporta el contexto que no está en los datos, decide qué riesgos acepta, comprueba la evidencia y aprueba las acciones con consecuencias. La IA amplía la capacidad de trabajo, pero no sustituye el juicio ni la responsabilidad.

---

Fuentes principales: el cuaderno NotebookLM «El arte de la ambición con inteligencia artificial» (13 fuentes) y el artículo de Felix Rieseberg enlazado en el texto. Las aplicaciones a Viajes Scibasku son interpretación y propuesta, no resultados medidos.