La IA para pequeñas empresas: ¿auge o colapso?

¡La IA es la revolución más grande desde la Industrial! ¡La IA está sobrevalorada y la burbuja está a punto de estallar! ¿Cuál de las dos es? No pueden ser ambas, ¿o sí? Aunque por el momento no esté del todo claro, sí es muy claro que se están invirtiendo miles de millones de dólares en ella. Miles de millones, incluso cuando el 95 % de los proyectos piloto de IA generativa están fracasando, según un [informe del MIT](MIT report: 95% of generative AI pilots at companies are failing | Fortune).

Entonces, ¿qué es, auge o colapso? Curiosamente, es un poco de ambos. Y para las pequeñas y medianas empresas, eso son buenas noticias. Hablemos de por qué.

El ciclo de expectativas sigue girando

El ciclo de expectativas (hype cycle) es un modelo que la firma de investigación Gartner ha usado durante décadas para monitorear las tecnologías emergentes. Funciona así: surge una tecnología nueva, nunca hemos visto nada parecido y parece que puede hacerlo todo. Pero luego todos se suman a las expectativas infladas y la realidad termina golpeando. Después, el entusiasmo por la tecnología decae y cae en lo que Gartner llama “el abismo de la desilusión”. Se cancelan proyectos y se recortan presupuestos. Los medios, siempre obsesionados con La Próxima Gran Cosa™, escriben sus obituarios. Entonces ocurre la parte interesante: las personas y organizaciones que realmente entendieron para qué sirve la tecnología siguen usándola en silencio. Simplemente continúan construyendo con ella para crear una ventaja estratégica y madurar la tecnología, hasta que se convierte en tecnología fundamental.

Internet pasó exactamente por este mismo ciclo. El colapso de las puntocom del año 2000 no significó que internet fuera una moda pasajera, pero sí significó que pets.com era una mala idea. Las empresas que realmente entendieron cómo usar la web para acelerar un buen modelo de negocio siguieron construyendo y hoy dominan el mercado.

La IA generativa está llegando al final de su ciclo de expectativas y entrando al abismo. El informe del MIT mencionado antes sí demostró que la mayoría de los proyectos piloto de IA empresarial no logran mostrar retornos medibles, pero la causa es la parte interesante. El estudio encontró que el problema era organizacional, no tecnológico.

Entonces, ¿para qué sirve realmente la IA?

Primero hay que aclarar qué queremos decir con “IA”. Cuando decimos que la IA es “Inteligencia Artificial”, se nos podría perdonar pensar que en realidad nos referimos a algo inteligente como una persona. Ese es el objetivo, pero no es donde estamos ahora mismo. Es posible que hayas escuchado que a eso se le llama “AGI” o inteligencia general. Todo el entusiasmo actual gira en torno al lenguaje y se llama Modelo de Lenguaje de Gran Escala, o LLM (por sus siglas en inglés). Es cierto que el lenguaje es fundamental para la inteligencia y, especialmente, para parecer inteligente. El ser humano todavía tiene que aportar la inteligencia real, y el LLM actúa como un procesador de lenguaje.

Eso reencuadra por completo el panorama de qué es y en qué es bueno. No es un motor de búsqueda, ni una base de datos de hechos, ni un empleado digital. Es un procesador de lenguaje, una herramienta que toma lenguaje como entrada y lo transforma en otro lenguaje de salida, tal como un procesador de alimentos toma verduras y te devuelve algo picado, mezclado o hecho puré.

Ese enfoque te dice dónde va a brillar: resumir, redactar, reescribir, traducir entre tonos y formatos, o incluso a otro idioma. Extraerá las partes importantes de un muro de texto impenetrable, o convertirá tus notas desordenadas en algo presentable. La mayoría de las pequeñas empresas funcionan justamente con este tipo de trabajo de lenguaje. Correos de clientes, presupuestos, ofertas de empleo, respuestas a reseñas, propuestas, políticas, publicaciones en redes sociales; es una porción enorme de la semana y casi nada de eso es la razón por la que empezaste tu negocio en primer lugar.

También revela dónde hay que tener cuidado. Un procesador de lenguaje no sabe las cosas de la misma manera en que un libro de referencia contiene hechos. Genera lenguaje plausible, algo que suena bien. Eso significa que debes verificar los datos, las cifras y, especialmente, cualquier cosa con peso legal. No le pedirías a un procesador de alimentos que planifique tu menú. No deberías entregarle a un LLM un trabajo cuyo resultado no puedas verificar.

Los proyectos empresariales fallidos ignoraron en su mayoría estas realidades. Le pidieron a la tecnología que fuera algo que no es. Tú no tienes por qué cometer ese mismo error.

Cómo obtener buenos resultados: un informe detallado, no palabras mágicas

La decepción con la IA se resume en esto: escribes una solicitud vaga de una línea, obtienes una respuesta genérica o inventada, y concluyes que es basura inútil. Sería como entregarle a un empleado nuevo una nota adhesiva que dice “encárgate del asunto del cliente” y sorprenderte cuando el resultado no se parece en nada a lo que realmente querías.

La solución no es usar palabras mágicas. Es dar un informe detallado, tal como lo harías con un temporal capacitado en su primera mañana de trabajo. Construiremos uno en cuatro partes: tarea, rol, contexto y ejemplos.

Empecemos. Conozcamos a María, dueña de una empresa de plomería y aire acondicionado de doce personas. Un cliente acaba de dejar una reseña frustrada de tres estrellas: el técnico fue excelente, pero la cita comenzó dos horas tarde y nadie llamó antes. María quiere responder bien, pero tiene otras once cosas que hacer antes del almuerzo.

Tarea: di exactamente lo que quieres

La tarea es el entregable, específico y directo. Es lo que debería existir cuando la IA termine y que no existe todavía. Las tareas vagas obtienen resultados mediocres. “Ayúdame con esta reseña” podría generar una perorata sobre la importancia de la gestión de la reputación.

Compara esto:

Escribe una respuesta pública a esta reseña de un cliente, de menos de 120 palabras, que pida disculpas por la llegada tardía, explique que hemos cambiado nuestro proceso de despacho, e invite al cliente a llamarme directamente.

Nota todo lo que esa oración establece con precisión: formato (una respuesta pública a una reseña), extensión y los tres puntos clave que debe cubrir. La mejora individual más grande que la mayoría de las personas puede hacer a sus resultados es simplemente terminar la frase: “Cuando termines, tendré un ___ que puedo usar para ___”

Rol: dile quién debe ser

Un LLM puede escribir con mil voces distintas, así que dile cuál es la tuya. Asignar un rol define el tono, el vocabulario y la perspectiva de una sola vez:

Eres la dueña de una pequeña empresa familiar de plomería y aire acondicionado, y escribes con una voz cálida, directa y sin lenguaje corporativo. Asumes la responsabilidad y nunca suenas a la defensiva.

Sin esto, María recibe la disculpa corporativa estándar: “Lamentamos sinceramente cualquier inconveniente que esto haya podido causar.” Cada cliente ha leído esa frase cien veces, y no la ha creído ni una sola vez. Con el rol definido, la respuesta suena como una persona que de verdad contesta su propio teléfono.

Contexto: dale lo que no puede saber de ninguna manera

Aquí es donde el modelo del “procesador de lenguaje” hace evidente algo: la IA conoce el idioma, pero no sabe nada de tu negocio, de tu cliente ni de esta situación, a menos que le des exactamente esa información. El contexto es la información de fondo que un empleado de confianza ya tendría:

Antecedentes: El cliente es Dave R., un cliente recurrente (tres trabajos en dos años). El retraso ocurrió porque un trabajo anterior se extendió más de lo previsto y nuestro antiguo sistema de programación no tenía forma de avisarle al cliente. Desde este mes usamos mensajes de texto automáticos cuando un técnico lleva más de 20 minutos de retraso. Aquí está la reseña completa de Dave: [pegar la reseña].

El contexto es donde un resultado genérico se convierte en tu resultado. También es la parte que más fácilmente se salta porque parece escritura de más. ¡No lo es! Es el verdadero trabajo. Treinta segundos de pegar texto valen más que cuatro rondas de “no, eso no es exactamente lo que quería”. Y el contexto es la clave de la parte verdaderamente útil de la IA que estamos construyendo ahora.

Ejemplos: muestra, no solo cuentes

La forma más rápida de comunicar el estilo es con una muestra. Si María tiene una respuesta anterior de la que se sintió orgullosa, la incluye:

Aquí tienes una respuesta que escribí el año pasado y que captura el tono que quiero: “Frank, tienes razón, y lo siento. Sin excusas: no cumplimos con el plazo que te prometimos. Te acreditamos la visita de servicio y tu próxima visita de mantenimiento corre por nuestra cuenta. María”

Un buen ejemplo supera a tres párrafos de adjetivos. Describir tu voz como “amigable pero profesional” deja mil interpretaciones posibles, mientras que mostrarla deja solo una. Esto también funciona para los formatos; muéstrale una propuesta, un presupuesto o una oferta de empleo anteriores, y coincidirá con la estructura sin que se lo digas.

Junta las cuatro piezas y el “experimento de IA” de María deja de producir relleno de galleta de la fortuna y empieza a producir una respuesta que en verdad publicaría. Todo en unos dos minutos, con una lectura rápida antes de publicarla. Si quiere volver a escribirla para asegurarse de que realmente suena a su voz —tal vez hay una palabra o un signo de puntuación que ella no usaría—, la tarea queda lista en cinco minutos y sigue con su día. Tarea, rol, contexto, ejemplos. El mismo informe funciona mañana para la oferta de empleo, el seguimiento del presupuesto y el correo de horarios festivos.

El colapso debe existir para que haya espacio para el auge

Ahora, fíjate en lo que María no hizo. No contrató a un consultor ni compró una costosa plataforma empresarial. Simplemente encontró una tarea de lenguaje que se repetía, le dio al modelo un informe adecuado, y se quedó con la decisión final, la última lectura, para sí misma. Así es como se ve el lado ganador del ciclo de expectativas a escala de pequeña empresa: no un esfuerzo audaz y arriesgado, solo una lista creciente de logros de dos minutos que antes tomaban veinte. Y todos esos pequeños logros se suman para hacer que una pequeña empresa prospere.

El abismo de la desilusión es precisamente cuando se construye esta ventaja, justo porque el entusiasmo ya desapareció y nadie está mirando. Ese silencio es necesario para construir algo que de verdad funcione.

Este artículo es el primero de una serie. En las próximas semanas profundizaremos en dónde encontrar esas tareas de lenguaje recurrentes en tu propia operación, cómo verificar de manera eficiente los resultados de la IA, y cuándo sabrás que estás listo para ir más allá de la ventana de chat. En Synapses Technologies, ayudamos a pequeñas y medianas empresas a adaptar tecnologías empresariales a su medida, encontrando el ajuste práctico para la IA, sin el bombo publicitario y superando el rechazo. Es lo que hacemos, así que cuando estés listo para encontrar tu primer logro de dos minutos, nos encantaría ayudarte.