¿Qué merece la pena aprender en la era de la IA?

  • Jordi Torras
  • Blog

Di una charla en TEDxEsade 2026 titulada ¿Qué merece la pena aprender en la era de la IA? Es una pregunta a la que vuelvo a menudo mientras la IA asume trabajos que antes exigían años de formación.

Si una máquina puede escribir el código, preparar el informe y explicar el resultado, ¿dónde debemos concentrar nuestro esfuerzo? ¿Qué debería estudiar un estudiante? ¿Qué debería aprender ahora un profesional con experiencia?

Mi respuesta empieza por un cambio en lo que consideramos valioso. Producir algo es cada vez más fácil. Decidir qué merece existir, entender cómo funciona y conseguir que sea útil sigue exigiendo mucho de nosotros.

Tenemos que aprender a responsabilizarnos de lo que ahora podemos crear.

Aprender a construir algo que merezca usarse

Pensemos en el castillo de arena de la imagen. Cuatro palabras orientan el trabajo de construirlo. Contexto, Preguntas, Plan, Construcción. Describen una forma de trabajar con la IA que empieza antes de la primera petición de producir algo.

Un hombre construye un elaborado castillo de arena junto a carteles con las palabras inglesas Context, Questions y Build, y un plano extendido sobre la arena.

Dar contexto significa explicar la situación: quién tiene el problema, qué hace hoy y qué limitaciones importan. Las preguntas ponen al descubierto lo que todavía no entendemos. Un plan nos da algo que cuestionar antes de invertir en construir.

Imaginemos un equipo que copia información entre correos, hojas de cálculo y una aplicación de gestión. La IA puede ayudar a crear una herramienta que conecte ese trabajo. Pero la primera pregunta es qué hace difícil el proceso actual. ¿Dónde se producen los errores? ¿Quién debe aprobar un cambio? ¿Qué haría que alguien confiara en la nueva herramienta?

Sin esas respuestas, podemos construir una solución impresionante para un problema que nadie tiene.

Y una demostración que funciona es solo el principio. La gente tiene que adoptar la herramienta. Debe encajar en su forma de trabajar. Debe aportar valor, ya sea tiempo ahorrado, menores costes, más ingresos o mejor calidad.

Valor = f(Tiempo, Tokens, Criterio, Adopción)

Es un recordatorio, más que un cálculo. Usar IA consume recursos. El criterio humano determina el resultado. La adopción determina si alguien se beneficia. Una herramienta preciosa que nadie utiliza no ha superado una prueba esencial.

Aprender a dirigir la atención

Cuando la IA puede trabajar en varias tareas, la tentación es empezarlo todo a la vez. Podemos pedirle a un agente que investigue, a otro que construya y a otro que revise. Pronto somos la persona más ocupada de una sala llena de asistentes incansables.

Gestionar varias tareas de IA exige mantener sus contextos separados y elegir de forma deliberada dónde debemos poner la atención.

Cada tarea necesita un objetivo y unos límites claros. A veces debemos pensar en el diseño global. Otras veces debemos inspeccionar un detalle o tomar una decisión que desbloquee el trabajo. Al final, las piezas separadas tienen que funcionar juntas.

Empezar más tareas es fácil. Saber cuál te necesita ahora requiere práctica.

Aprender lo suficiente para entender qué apruebas

Imagina que recibes este mensaje de un asistente de IA.

«Todas las pruebas han pasado. La migración de la base de datos y las comprobaciones de recuperación están completas. ¿Despliego los cambios?»

Parece tranquilizador. «¿Qué estoy aprobando exactamente?» es la pregunta que me haría antes de aceptar.

Es una pregunta incómoda porque un lenguaje técnico fluido puede hacernos sentir informados antes de entender nada.

Supongamos que un asistente de IA te ayuda a crear una intranet de empresa. Te pregunta por el despliegue, los accesos o la indexación. Si esas palabras te dicen poco, un «sí» despreocupado puede autorizar algo muy distinto de lo que pretendías. Un sistema con información interna podría quedar accesible al público.

No hace falta convertirse en experto en cada materia antes de empezar. Sí hace falta entender las decisiones que tomas.

Cuéntale a la IA cuál es tu punto de partida. Pídele que explique los términos desconocidos con palabras sencillas. Pregunta qué cambia la acción propuesta, a quién afecta y cómo puedes comprobar el resultado. Cuando no puedas evaluar la respuesta, recurre a alguien que sí pueda.

Construir puede convertirse en una forma de aprender, siempre que mantengamos la curiosidad en los momentos en que sería más fácil pulsar «aprobar».

Aprender a detectar cuándo el plato está vacío

La IA puede poner la mesa de maravilla. Nuestro trabajo es asegurarnos de que haya algo en el plato.

Un informe impecable puede no contener ninguna decisión. Un correo largo puede dejar al lector sin saber qué hacer. Un artículo escrito con seguridad puede repetir ideas conocidas sin aportar un punto de vista.

Antes de enviar algo, pregúntate: ¿qué ayuda a entender o hacer a quien lo lea? ¿Me gustaría recibirlo? ¿Le he facilitado el trabajo?

Y cuando el mensaje sea personal, pon algo de ti. Tu contexto y tu atención importan. Delegar la redacción no debería significar delegar la relación.

Aprender cuándo dudar de una respuesta convincente

Un sistema de IA puede elaborar una valoración entusiasta de una idea de negocio. Eso no demuestra que un cliente la quiera.

Que nos den la razón resulta agradable. También puede impedir que hagamos la pregunta que importa. ¿Qué haría que esto fracasara?

Pide argumentos en contra. Busca el contexto que falta y las suposiciones que has aceptado sin cuestionarlas. Considera si la tarea es demasiado amplia o ambigua para confiar en una sola respuesta. Después contrasta la idea con algo fuera de la conversación: un cliente, un experimento, un resultado observable.

La capacidad de obtener una respuesta es útil. La capacidad de decidir qué serviría como evidencia es esencial.

Aprender cuándo delegar y cuándo pensar juntos

El centauro y el cíborg describen dos formas de trabajar con la IA. Estas metáforas también aparecen en investigaciones sobre cómo trabajamos con la IA generativa.

El centauro reparte el trabajo. Delegas una tarea bien definida, como comparar documentos o preparar un primer informe, y mantienes la responsabilidad sobre el objetivo y la revisión.

El cíborg trabaja mediante intercambios breves y continuos. Redactáis, cuestionáis, revisáis y construís juntos. La conversación te ayuda a descubrir qué piensas, además de producir el resultado.

Ambos enfoques son útiles. La habilidad consiste en reconocer cuál necesita el trabajo y cuándo conviene cambiar.

A medida que la IA amplía lo que podemos hacer, ¿en qué elegiremos mejorar?

Mi respuesta es practicar cómo construir cosas útiles, hacer preguntas más exigentes y entender las consecuencias de nuestras decisiones. Cuanto más nos permite crear la IA, más importan esas capacidades.

Si pudieras construir casi cualquier cosa, ¿cómo decidirías qué merece la pena construir?

Haz que la IA trabaje para ti

Empodera tu visión con nuestra experiencia. Mi equipo y yo nos especializamos en convertir conceptos en realidad, ofreciendo soluciones a medida que redefinen lo posible. Desbloqueemos juntos todo el potencial de la IA. De manera efectiva.

Contáctanos