Hola, ¿qué tal? Soy Ángel Alba de Innolandia.es.
Bienvenido a un nuevo episodio del podcast, El día a día del innovador.
Bueno, como ves detrás, el setup es diferente. Hoy no estoy en la oficina, estoy en casa de mi madre.
Pero creo que era interesante compartir con todos vosotros los siete errores más importantes que hemos sufrido nosotros, que hemos cometido y que estamos viendo con todos nuestros clientes, que se están encontrando, con el objetivo de que tú los veas, los tengas en cuenta e intentes no repetirlos.
Y luego, al final, sí que te contaré lo que para mí son las claves para intentar no caer y superar esos errores.
Pero antes de esto, si te parece, vamos a hacer un poco de review de dónde estamos.
Estamos ya empezando a bajar el hype de la Inteligencia Artificial Generativa, aunque ha sido palabra clave en 2023, 2024 a nivel tecnológico. 2023, desde que OpenAI lanzó el 30 de noviembre de 2022 ChatGPT, los que estamos en este mundillo nos volvimos especialmente locos.
ChatGPT consigue un millón de usuarios en una semana, 100 millones de usuarios en dos meses, consigue la tasa de adaptación más rápida de la historia de un producto de consumo.
Durante 2023 se escriben cientos, miles, millones de artículos sobre la IA, cómo se va a hacer.
2024 empiezan a trabajarse los casos de uso, es decir, dónde podemos aplicar esta tecnología tan chula más allá de lo que era sentarnos con ChatGPT y pedirle que te cuente un chiste, un cuento para los niños o el menú semanal.
En 2024 lo que hemos estado viendo, y nosotros incluso lo hemos estado haciendo, es identificar cuáles son los casos de uso. Es decir, dónde se puede utilizar y dónde no.
Y lo que ocurre desde después de verano es que hay una sensación de pinchazo. Hay una sensación de pinchazo de burbuja de claro, estaba todo muy bien, esto nos iba a revolucionar todo; pero implementar la Inteligencia Artificial Generativa en las empresas o en los departamentos de innovación no es tan sencillo.
Ahora, la siguiente ola que viene en 2025: ya se está empezando a hablar de los agentes autónomos.
Agentes autónomos es una evolución de la Inteligencia Artificial Generativa que realiza tareas de forma autónoma sin intervención.
Es decir, la programamos y a partir de ahí ella hace determinadas cosas. Como «coge este documento, resúmelo, no sé qué, tal y envíalo por email», ese tipo de cosas. O «actualiza los datos periódicamente de algo».
Mi idea, y seguramente me equivocaré, es que si todavía no hemos sido capaces de implementar de manera más o menos bien y correcta la IA generativa en las empresas, lo de los agentes autónomos es una broma.
Estamos todavía bastante lejos.
Es decir, la tecnología va muchísimo más deprisa, va muchísimo más por delante de lo que es la capacidad de adaptación de las personas y de las organizaciones.
Pero bueno, esto es otra película que lo dejo para otro episodio del podcast.
Ahora, lo que sí que quiero aterrizarte son los siete errores más frecuentes. Y los he dividido en dos categorías.
Los 3 errores más habituales que hemos cometido todos al utilizar la IA Generativa como usuarios
Y aquí, fundamentalmente, he visto tres tipos de errores.
#1 El primero es lo que nosotros llamamos en Innolandia el prompt del perro.
Si has hecho un curso con nosotros, ya sabes lo que es.
Para los que no lo habéis hecho, el prompt del perro es un prompt sin estructurar, donde yo directamente a la máquina le hago una pregunta y me responde.
¿Cuál es el problema? Que muchísimas veces la pregunta que hago está mal hecha, que no incluye información, no incluye contexto.
Entonces, la respuesta que nos da es bastante ambigua.
Porque una cosa que tenemos que tener clara es que la calidad de las respuestas de la Inteligencia Artificial Generativa depende de la calidad de la pregunta o de los datos que yo le dé.
Entonces, ¿qué ocurre cuando hacemos un prompt del perro? Que la respuesta que nos da es bastante mala, es basura.
Entonces, cuando hacemos tres preguntas, al final acabamos cansados, aburridos, vamos a decir: «Ostras, es que realmente no es lo que yo esperaba», entonces dejamos de usar la IA.
Aquí nosotros lo que proponemos es utilizar el método CROF. Que es que, cuando tú empiezas una conversación con la Inteligencia Artificial Generativa, le des el contexto, el rol, la orden -que es el prompt del perro-, y el formato con el que tú quieres trabajar.
Y a partir de aquí conseguirás mejores resultados. Hay una diferencia abismal entre trabajar con promt de perro o modelo CROF
#2 Segundo error más habitual es utilizarlo para cosas que no está preparado.
Es decir, nos han prometido, y no miro a nadie, nos han prometido que la IA Generativa en sus diferentes herramientas nos va a transformar la vida, nos va a hacer no sé qué, nos va a hacer todo.
Pero es que esto no es real.
Es que nosotros nos hemos encontrado con subirle un archivo de Excel de 50 líneas y que no sepa analizarlo.
Entonces, claro, cuando me preguntan: «Oye, Ángel, ¿pero es que podemos analizar los paros de producción para ver si me saca tendencia?». Le digo: «¿Cuántas líneas tiene?». «Millones». «Ni de coña».
Sí, es que tenemos que entender muy bien para qué sirve y para qué no sirve la IA Generativa. Y sirve para un montón de cosas.
La podemos utilizar para un montón de cosas. Pero tenemos que ser conscientes de para qué cosas sí y para qué cosas no.
Y aquí tenemos que tener claro que hay dos variables muy importantes.
La primera es identificar los casos de uso. Nosotros tenemos que ser capaces de identificar y estructurar las tareas que forman un proceso, una actividad, y de ahí que nos ayude.
Podemos hacerlo vía conversación, podemos hacerlo vía plantillas. Tenemos las dos opciones. Pero tenemos que identificar muy bien cuál es el caso de uso, para qué y cuáles son las tareas concretas que forman ese caso de uso.
Porque habrá algunas veces en las que sí puedo utilizar la IA y otras que no.
Entonces, cuando nosotros nos encontramos con clientes que piden la carta a los Reyes Magos, «yo es que quiero crear un asistente que asista al jefe de turno en todos los marrones que tengáis».
Vale, yo también quiero un consultor virtual, pero no estamos en ese punto. Entonces, hay que trocear muy bien los casos.
La segunda variable que influye sobre que no sirve para todo es la calidad de los datos.
Antes te decía el ejemplo del Excel. Si yo lo que le doy es un archivo que no está bien estructurado, al final no lo va a hacer bien.
Y esto a nosotros nos pasó cuando estábamos haciendo nuestro proyecto de entrenar un algoritmo con nuestro propio contenido.
Fue un millón de tókens, 800,000 palabras, y nos dimos cuenta de que no estaban ni etiquetadas, ni estructuradas, ni creadas para poder trabajar bien en un modelo propio.
Así es que imagínate toda la información que tú tienes: datos, emails, no sé qué; no están estructurados para que funcione, con lo cual no va a funcionar bien. Este es el segundo error, pensar que esto vale para todo, cuando realmente no es así.
#3 tercer error es copiar y pegar las respuestas.
Yo le pido que me haga un informe o le pido que me haga un ejercicio, o que me escriba un mail o que me haga cualquier cosa de generación de texto, lo copio y lo pego. Error.
Nosotros, por ejemplo, vimos en uno de los concursos de innovación abierta que hemos gestionado que, de los participantes, la mitad había hecho las respuestas con ChatGPT. ¿Por qué? Porque cuando trabajas tiempo, te das cuenta que hay determinadas frases, formas de escribir, que son de ChatGPT.
A ver, utilízalo, claro que sí. Pero no los copies y los pegues, tienes que revisarlo.
Tenemos que asegurar dos cosas.
Uno, que no hay sesgos. Y dos, que no está alucinando, porque la inteligencia artificial se inventa respuestas; es un modelo estadístico que responde por probabilidad.
Entonces, lo que tenemos que asegurar es que eso no ocurra. Siempre hay que revisar, siempre hay que revisar.
Entonces, lo hemos visto mucho, sobre todo al principio, que la gente copiaba y pegaba directamente, entonces lo pillas a la primera.
Esto no quiere decir que no lo puedas usar. Esto además se complica cuando tú te vas a hacer consultas técnicas.
Y esto nos pasó con un par de clientes que pedían medidas específicas de una determinada máquina y ChatGPT se las calculaba, pero les daba soluciones erróneas.
¿Por qué? Pues porque no está entrenado con ese material específico. Entonces, ahí daba error.
Entonces, tres errores fundamentales que cometemos como usuarios.
Primero, es el prompt del perro.
El segundo es utilizarlo para cualquier cosa, que a lo mejor no vale, sin saber los datos que le estamos metiendo, con datos incorrectos, o para casos que no tienen sentido.
Y el tercero, copiar y pegar la respuesta sin revisarla. Son tres errores superbásicos, que te invito a que te revises a ti mismo y los intentes evitar.
Los 4 errores que vemos todos los días en las organizaciones que quieren implantar la IA y no lo consiguen.
#El primer error es el deslumbramiento.
Cuando de repente nos venden que Copilot va a hacer cualquier cosa o que ChatGPT va a hacer cualquier cosa.
O herramientas específicas, o que vamos a poder eliminar a una agencia de marketing que hace vídeos porque vamos a utilizar herramientas de IA. Bien, hay mucho hype, muchísimo hype.
Y cualquier demo que tú veas lleva un trabajo detrás para que la demo sea guau, enorme. Entonces, claro, luego hay que arremangarse y ponerse, y eso no es tan fácil. Entonces, problema, utilizar las herramientas inadecuadas para lo que tú quieres hacer.
Y que a lo mejor, en determinados casos, la tecnología no está en ese nivel.
Lo decía, el tema de los vídeos, nos han pasado clientes que nos están diciendo: «Oye, ¿y yo puedo crear vídeos corporativos?». Bueno, a ver, la tecnología da hasta donde da. Cuestión de planteárselo. Entonces, primer error, dejarse deslumbrar por las herramientas. Veo qué hay, porque lo que te están enseñando es un showroom.
Tienes que ser tú el que tenga que picar piedra para ver cómo va a funcionar.
#El segundo error que estamos viendo a nivel de implementación.
es que estamos viendo otras empresas que hacen cursos de IA o cursos de Copilot y se están centrando en las funcionalidades de la herramienta, qué hace la herramienta.
Y eso es un error.
Porque esto es como enseñar a utilizar Excel. ¿Cuántas funcionalidades de Excel utilizamos? El 20%. A mí me da igual que me cuenten que soy capaz de hacer análisis de escenario, no sé qué, si no lo voy a utilizar en mi vida.
Entonces, nos estamos centrando en la formación. Las formaciones en general que estamos viendo están muy centradas en, uno, funcionalidades; y, dos, darte las plantillas.
Cuando realmente lo que tenemos que hacer es aprender habilidades nuevas que, ahora te contaré. Porque el proceso de adopción de la IA generativa es un proceso de gestión del cambio, nos pongamos como nos pongamos.
Entonces, tenemos que ir a un concepto que se llama en recursos humanos reskilling, que es renovar las habilidades de trabajo que tenemos.
Tenemos que formar en habilidades más que en funcionalidades.
La herramienta, al final, es lo menos importante.
Hay que tenerlas en cuenta en función del caso de uso.
Pero las habilidades que tenemos que aprender para utilizar la IA generativa son transversales a la inmensa mayoría de las herramientas, para personas que, como yo, no tenemos ni idea de programación.
# El tercer error, nos cuesta la vida integrar la inteligencia artificial generativa en nuestro día a día.
Lo estamos empezando a ver ahora después de que hemos trabajado con clientes, más de 1,000 alumnos en cursos, más de 45 clientes corporativos, nosotros mismos aplicándolo, llega el momento de escalar. Hemos hecho nuestros pilotos, hemos hecho las formaciones, formaciones correctas en habilidades, hemos identificado casos de uso, hemos hecho pruebas, hemos hecho pruebas de concepto; pero lo que nos damos cuenta, y nosotros los primeros.
Igual que abrimos el mail por inercia, sí tenemos el OpenAI abierto, sí podemos tener Copilot abierto, ¿pero realmente lo estamos utilizando con todo el potencial?
Y aquí lo que ocurre es que no hemos creado el hábito. Y para mí eso es, creo, por donde va a ir la adopción final de la IA generativa a las organizaciones.
Hay que crear el hábito. Y esto es un tema de gestión de cambio, pura y dura. Nos estamos encontrando con que sí, lo tenemos abierto, lo utilizamos, tal; pero no somos capaces de acabar de implementar.
Entonces, ¿cómo se crea un hábito? Pues pura ciencia del comportamiento. De nuevo, esto daría para otro podcast y espero hacerlo en breve. Pero fundamentalmente tenemos que ponerlo fácil.
Tenemos que repetirlo durante tiempo, forzándonos nosotros a hacer esa tarea, tenemos que ligarlo a otros hábitos que ya tenemos para hacerlo más sencillo. Entonces, muy importante mirar el hábito.
# Y el cuarto es identificar correctamente los casos.
Como error nos ha pasado con varios clientes que, cuando hemos empezado a identificar casos, se han venido con la carta de los Reyes Magos.
¿Porque, en qué piensan? Piensan en tareas infumables, aburridas de todos los días, que lo que quiero es tocar un botón que me lo haga.
Y eso es un error, porque no lo va a hacer. O sea, la IA generativa, a día de hoy, si no te metes a hacer programación detrás, si vas a hacer IA generativa con herramientas fundacionales tipo OpenAI, ChatGPT, Copilot, …, es fundamental que identifiques los casos correctos.
Y esos casos, la mayoría de las veces todavía son muy pequeños, no mueven la aguja.
Entonces, tú lo que necesitas es identificar una serie de casos, y que mucha gente esos casos los vaya utilizando y los vaya aplicando.
Entonces, estos son los cuatro errores que estamos viendo dentro de la implementación de la IA. Primero es dejarnos deslumbrar por las herramientas.
Que van a hacer todo, cuando no es así. Va a requerir mucho trabajo todavía.
Segundo es formar en funcionalidades y no en habilidades, qué es lo que realmente tenemos que hacer.
El tercer error es no construir el hábito de utilizar la IA.sino que nos han formado, tal, lo dejamos ahí y ya está. Esto es como ir al gimnasio.
O sea, hay que generar el hábito de hacer deporte.
Y el último es no saber identificar correctamente los casos dentro de la organización. Porque tenemos también que a lo mejor nos aprieta el zapato en un sitio, pero realmente donde la IA puede tener sentido.
Bueno, estos son los siete errores. ¿Y ahora qué podemos hacer? Antes te hablaba de habilidades, y yo creo que es fundamental.
Trabajando con la IA generativa, nos estamos dando cuenta que aquellas organizaciones o aquellas personas que lo que están trabajando es en formarse, en desarrollar mejor sus habilidades y en construir el hábito de utilizar la IA, van mucho más rápido y están sacándole mucho más partido que aquellas que se centran en cómo funciona la herramienta.
¿cuáles son las tres habilidades que necesitas desarrollar como profesional de la innovación de inteligencia artificial?
# Primero, aprender a preguntar.
Hablábamos antes como error del prompt del perro.
Nosotros tenemos que aprender a preguntar, lo que mi compañera Angie llama hablar dialecto a máquina. Porque nosotros tenemos que aprender a preguntar en conversación, con una herramienta, pero también con plantillas, incluso llegando a hacer MyGPT.
Y gestionar los datos que le doy para trabajar a la herramienta, porque ahí es una de las más potentes que tenemos.
Es decir, yo le doy contexto con una serie de datos, ya; ¿pero qué datos le doy? Entonces, aprender a trabajar con todo eso es toda la habilidad de aprender a preguntar.
# Segundo, identificar correctamente casos de uso.
Pero no solo es identificarlos, sino lo que nosotros llamamos deconstruir, deconstruir el caso.
¿En qué consiste deconstruir el caso? En dividirlo en pequeñas tareas e identificar en cuáles tenemos o podemos utilizar la IA.
Y en esas tareas, qué datos voy a necesitar y qué resultados espero obtener.
Dejarlo muy claro. Eso es una habilidad que se practica y que se aprende
# La tercera habilidad es el pensamiento crítico.
Estamos trabajando con una herramienta que bebe de conocimiento, que no sabemos cómo se ha entrenado.
Bueno, sí, de todo material que hay en internet; en internet hay material bueno y material que es basura. Y con todo eso se ha entrenado.
Luego, nosotros tenemos unos sesgos propios. Tenemos unos valores, una forma de trabajar, determinadas formas de hablar.
Esos son sesgos que nosotros tenemos. Podemos ser expertos en algo, no tener idea de otra cosa. Pero luego, además, es que la herramienta en sí nos genera alucinaciones; o sea, puede equivocarse.
Entonces, tenemos que fomentar el pensamiento crítico, esa habilidad de identificar bien las fuentes de datos, de asegurar que son fiables, de asegurar que la información que nos llega como respuesta tiene sentido, pedir si no de dónde ha obtenido las fuentes, revisarlo para no copiar y pegar -que era uno de los errores que veíamos antes-.
Entonces, desarrollar el pensamiento crítico, de nuevo, es una de las habilidades fundamentales que tenemos que desarrollar.
Y bueno, todas estas habilidades son las que nosotros desarrollamos en nuestros cursos de Inteligencia Artificial.
Ahora mismo estamos trabajando con el IA Sprint.
El IA Sprint es el único curso vertical para profesionales de innovación. Es decir, vas a aprender a utilizar IA Generativa en el proceso de dirección, en el diseño de modelos de negocio y validación de modelos de negocio, en gestión de proyectos y en gestión del sistema de innovación. Incluyendo creación de formaciones, vigilancia tecnológica, definición de estrategias, etcétera.
Esto es lo que quería contaros en el día de hoy, los siete errores más habituales de la innovación aumentada.
Espero que haya sido interesante y nos vemos en el próximo episodio.
Un abrazo.
