La clave para trabajar mejor con IA, según una experta de Anthropic: "Saber cuándo no usarla"
Kristen Swanson sostiene que usar más inteligencia artificial no siempre mejora el trabajo. La clave está en decidir qué delegar, qué revisar y qué conviene hacer uno mismo.
Usar inteligencia artificial para todo no necesariamente mejora el trabajo. Para Kristen Swanson, responsable de investigación y aprendizaje sobre fluidez en IA en Anthropic, una de las habilidades más importantes consiste precisamente en saber cuándo no recurrir a ella.
"Tengo un trabajo enseñándole a la gente cómo usar IA y probablemente paso al menos la mitad de mi tiempo diciéndole cuándo no usarla", sostuvo Swanson, según Business Insider. La especialista explicó que los usuarios más hábiles no son necesariamente quienes incorporan la tecnología a cada tarea, sino quienes saben qué conviene delegar y qué resulta más eficiente hacer por cuenta propia.
La idea coincide con el enfoque que Swanson desarrolla públicamente desde Anthropic. En una charla sobre cómo preparar a las empresas para trabajar con inteligencia artificial, sostuvo que la verdadera fluidez va más allá de una familiaridad superficial con estas herramientas e implica aprender a confiar en ellas sin confiar de más.
El costo oculto de pedirle todo a la IA
Delegar una tarea puede ahorrar tiempo, pero también puede crear otro trabajo: revisar la respuesta.
Swanson denomina "impuesto de discernimiento" (discernment tax) al esfuerzo mental necesario para evaluar si lo que produjo la IA sirve, si contiene errores o si requiere correcciones. En determinados casos, advirtió, ese proceso puede demandar más tiempo que resolver la tarea directamente.
"Juzgar correctamente lo que produce la IA es el pensamiento de mayor nivel que podés hacer. Es realmente agotador", señaló.
El problema aparece con especial claridad cuando una persona ya domina la tarea. Swanson pone como ejemplo pedirle a la IA que redacte una publicación sobre un tema que uno conoce bien: el supuesto ahorro puede evaporarse si después hay que revisar, descartar y reescribir buena parte del contenido.
En cambio, delegar un análisis de datos tedioso puede tener más sentido si el tiempo que lleva controlar el resultado es menor que el que demandaría realizar todo el proceso manualmente.
La idea coincide con el enfoque que Swanson desarrolló en el podcast You Can With AI, de KPMG, donde participó en una conversación sobre cómo preparar a las empresas para trabajar con inteligencia artificial.
Allí planteó que la verdadera fluidez no pasa por usar más herramientas, sino por desarrollar criterio para decidir cuándo confiar en ellas y cuándo no.
No se trata sólo de saber hacer prompts
El marco de "AI Fluency" desarrollado por Anthropic coloca justamente esa decisión antes del prompt. Define cuatro competencias:
- Delegación: establecer objetivos y decidir si corresponde utilizar IA, cuándo hacerlo y de qué manera.
- Descripción: comunicar correctamente el objetivo al sistema.
- Discernimiento: evaluar la utilidad de sus respuestas.
- Diligencia: asumir responsabilidad por la forma en que se utiliza la tecnología y por sus resultados.
Así, saber escribir una buena instrucción es sólo una parte del proceso. Antes aparece una pregunta más básica: ¿vale la pena usar inteligencia artificial para esta tarea?
Cuando la IA puede generar más trabajo
También existe un límite relacionado con lo que sabe el modelo. Swanson advierte que delegar puede resultar riesgoso cuando se trabaja con información extremadamente específica o poco representada en los datos con los que fue entrenado el sistema.
"Si le preguntás a la IA por un artículo de investigación o un investigador realmente de nicho y no tenía mucha de esa información en su entrenamiento, podría alucinar", ejemplificó.
La cuestión empieza a preocupar también dentro de las empresas. Aunque muchas compañías presionan para acelerar la adopción de inteligencia artificial, algunos ejecutivos comenzaron a poner límites cuando consideran que el uso automático de estas herramientas reemplaza el razonamiento del empleado en lugar de potenciarlo.
Una regla que también cambia con el tiempo
Decidir no utilizar IA hoy tampoco significa descartarla para siempre. Swanson advierte sobre otro riesgo: quedarse con una idea antigua de lo que la tecnología puede hacer mientras los modelos avanzan rápidamente.
Por eso recomienda volver periódicamente sobre tareas que antes no funcionaron. Anthropic incluso propone a los usuarios de Claude Academy anotar algunos de sus trabajos más difíciles y probarlos nuevamente cuando aparecen modelos nuevos.
"Ser capaz de decir 'probé esto, no funcionó y la próxima vez voy a probarlo de otra manera' es mucho más importante que preguntarse si tengo activada determinada función o si hice el prompt de cierta forma", sostuvo Swanson.
Su conclusión resume la idea que atraviesa todo el enfoque: "Más IA no siempre es mejor. Y más IA no necesariamente significa mayor fluidez en IA".
En un mundo laboral donde aprender a usar inteligencia artificial empieza a convertirse en una exigencia, la especialista de Anthropic plantea una habilidad menos evidente: reconocer cuándo la herramienta realmente mejora el trabajo y cuándo simplemente agrega una nueva tarea que revisar.