Hace dos meses, en una conversación con el equipo de producto de un banco mediano en LATAM, escuché esta frase: "Ya no necesitamos pensar tanto, le preguntamos al modelo y nos saca el wireframe."
La frase venía de un Lead con seis años de experiencia. Aunque sonó como un comentario casual, condensa el riesgo más grande que veo en esta industria hoy: confundir velocidad con criterio.
La IA no construye criterio. Lo amplifica si lo tienes, o lo reemplaza si no.
La diferencia entre prompt y dirección
Un prompt es una instrucción. Una dirección es una decisión.
Cuando le pides a un modelo que te genere "tres opciones de onboarding para una app de pagos", estás dando una instrucción genérica. La salida será competente. Probablemente tendrá los patrones que están de moda. Quizás incluso te impresione.
Pero esa salida nunca contendrá el detalle que importa: por qué ese onboarding tiene que ser distinto en un mercado donde el 60% de los usuarios no completa procesos de KYC, donde la confianza se construye con voces reconocibles más que con UI moderna, donde el regulador local exige ciertas pantallas en cierto orden.
Esa información no está en el prompt. Y nunca va a estarlo, porque tú no sabes que es relevante hasta que tienes diez años decidiendo en ese contexto.
La dirección — saber qué pedir, qué descartar, qué corregir — es lo que separa al diseñador que usa IA del diseñador que es reemplazado por ella.
Tres sesgos cognitivos que la IA amplifica
En los workshops que doy, suelo abrir con esta tesis: la IA no inventa sesgos cognitivos nuevos. Toma los que ya tienes y los acelera.
Hay tres que veo todo el tiempo en equipos de producto que adoptan IA sin método.
1. Sesgo de fluidez
Confundir lo bien escrito con lo bien pensado. Una respuesta de la IA suena segura, articulada, profesional. Eso te hace sentir que está completa. Pero la fluidez del lenguaje no es evidencia de la solidez del razonamiento. Un texto puede sonar perfecto y estar argumentando una decisión equivocada.
2. Sesgo de anclaje
La primera salida de la IA se convierte en tu marco mental. Si pides ideas para un flujo de checkout y la primera opción menciona biometría, todas tus iteraciones siguientes van a girar alrededor de biometría. Aunque biometría no sea lo que tu producto necesita.
3. Sesgo de delegación
Asumir que como la IA puede hacer la tarea, tú no tienes que entenderla. Esto es nuevo y es peligroso. En el mundo pre-IA, si delegabas algo era porque alguien con criterio lo iba a hacer. Ahora delegas a un sistema que ejecuta sin entender, y eso te quita la oportunidad de aprender lo que estás delegando.
Detectar estos sesgos requiere práctica deliberada. No basta con saber que existen.
Cómo decidir qué delegar y qué no
Mi marco de decisión para qué delegar a IA tiene tres preguntas.
¿Es una tarea o una decisión?
Las tareas se delegan. Las decisiones no. Generar 20 variantes de un copy es una tarea. Elegir cuál de las 20 va a producción es una decisión.
Si el output afecta a otros — usuarios, equipo, stakeholders, reguladores — probablemente es una decisión. Decisión que tienes que tomar tú, con el criterio que llevas años construyendo.
¿La salida tiene contexto que solo tú puedes verificar?
Si la IA te da un resumen de competidores en tu sector, ¿tú sabrías reconocer un dato falso? Si te genera un diagrama de flujo regulatorio, ¿conoces la regulación lo suficiente para detectar errores?
Si la respuesta es no, no estás delegando una tarea. Estás abdicando de una decisión que después vas a tener que firmar como tuya.
¿Estás aprendiendo algo al usarla?
Esta es la pregunta que casi nadie se hace. La IA puede hacer tu trabajo más rápido, pero ¿te está haciendo mejor profesional? ¿Estás absorbiendo nuevos patrones, frameworks, formas de pensar? ¿O solo estás produciendo más outputs sin desarrollar más músculo?
Si respondes "no estoy aprendiendo nada", probablemente estás usando la IA para evitar pensar. Y eso es exactamente lo que va a hacer que en dos años seas reemplazable por alguien que sí pensó.
Una primera práctica para esta semana
Si llegaste hasta aquí, probablemente estás de acuerdo en que el criterio importa. Pero saber que importa no construye criterio. Lo construye la práctica deliberada.
Te dejo una práctica concreta para los próximos 7 días.
Cada vez que abras un modelo de IA esta semana, antes de escribir el prompt, escribe a mano (o en una nota aparte) tres cosas:
- Qué decisión necesitas tomar. Específica. No "mejorar el onboarding" — algo como "decidir si el primer paso del onboarding pide foto del DNI o solo email".
- Qué información necesitas para decidir. Concreta. Datos de fricción, regulación, comportamiento de usuarios, restricciones técnicas.
- Qué hipótesis tienes hoy. Honesta. Qué crees que es la respuesta correcta antes de pedirle al modelo.
Después usa el modelo. Pídele lo que quieras. Pero al final, antes de aceptar la salida, vuelve a las tres notas. ¿La salida te ayudó a decidir, o solo te dio algo que parece una decisión? ¿Tu hipótesis cambió? ¿Por qué?
Ese momento — el de comparar lo que pensabas antes con lo que la IA te dio — es donde se construye el criterio. Es lento al principio. Pero en tres meses la diferencia se nota: dejas de ser usuario de IA y te conviertes en director de IA.
Y la dirección, en este oficio, sigue siendo lo que importa.
Si te interesa aplicarlo en serio
El próximo workshop "Criterio IA" del 6 de junio es exactamente sobre esto: cómo dirigir IA en lugar de ejecutar con IA. 3 horas, 15 plazas, en vivo.