En 5 segundos
Cuanto mejor construye la IA, menos depende tu valor de poder hacerlo todo tú mismo.
Lo que más importa ahora es darte cuenta rápido de que algo no está bien (“esto aburre”, “nadie va a hacer clic aquí”, “funciona, pero no dan ganas de usarlo”), explicar por qué, darle a la IA el objetivo y los límites, y volver a juzgar el resultado real.
O sea, en vez de escribir todo el código tú, das vueltas a este ciclo:
notar que algo no cuadra → hablarlo con la IA → planear desde 0 hasta 1 → construir → mirar el resultado real → notar lo siguiente que no cuadra
Visto desde fuera, parece un jefe que solo se queja.
Pero si no estás dictando cada píxel, no es microgestión. Tú te quedas con el objetivo y el nivel de calidad. La IA se encarga de buscar soluciones y de construirlas.
1. Todo empezó con una portada ordenada y aburridísima
La página de inicio de un sitio mostraba sus categorías y la cantidad de artículos en filas bien alineadas.
La información estaba ordenada. No había nada roto. Todo tenía su explicación.
Y aun así, la primera reacción fue:
“Uf, qué aburrido es esto.”
Esa sensación es incómoda de manejar.
No es un error claro, como un botón que no funciona. Las pruebas pasan. No rompe ninguna regla. Simplemente no dan ganas de tocarlo.
Conversando con una IA de chat, poco a poco esa sensación se pudo poner en palabras.
El dueño del sitio estaba mostrando su inventario: “Relaciones: 98 artículos”, “Decisiones y comparaciones: 78 artículos”. Pero a quien entra por primera vez no le importa el inventario. Lo que se pregunta es:
“¿Hay algo interesante para mí ahora?” “Tengo este problema, ¿dónde hago clic?” “No busco nada en concreto, solo quiero encontrarme con algo.”
Entonces se le volvió a pasar todo el problema a una IA de planificación pensada para empezar desde cero. La portada dejó de ser un almacén de categorías y se convirtió en tarjetas tipo mensaje por las que entras según tu ánimo o lo que necesitas.
No fue retocar un poco el diseño (el CSS).
Fue replantear para qué sirve la portada.
2. Tu trabajo empieza a parecerse al de un cliente insoportable
Cuando la IA también construye, el trabajo humano se ve raro.
“Esto se ve barato.” “Está bien explicado, pero no dan ganas de hacer clic.” “La función existe, pero usarla se siente pésimo.” “¿No se puede hacer más divertido?”
Leídas así, sueltas, suenan al cliente de pesadilla.
Pero la microgestión de verdad se ve distinta:
“Pon el margen en 12px.” “Siempre 3 columnas de tarjetas.” “Pon esta frase justo aquí.”
Eso es el humano dejando fija la solución.
Aquí fue al revés.
El humano se quedó con el juicio: ¿esto está bien?, ¿sirve para lo que queremos?, ¿qué es lo que molesta?
Cómo arreglarlo quedó, en gran parte, en manos de la IA de planificación y de la IA que programa.
Así que ese “cliente insoportable” en realidad hace a la vez de dueño del producto, editor en jefe, director creativo y control de calidad.
El teclado se quedó más callado. El cargo, en cambio, pesa más.
3. La corazonada es una gran alarma, pero no es un encargo listo
“No me gusta” importa.
Pero lanzárselo tal cual a una IA que programa es arriesgado.
Puede ser solo tu gusto personal. Puede ser un efecto secundario de algo que se cambió en otro lado. La IA puede cumplir tu queja al pie de la letra y romper todo lo demás.
Por eso ayuda hablarlo antes con una IA de chat.
Como mínimo, convierte la sensación en esto:
- Síntoma: ¿qué viste exactamente que te hizo pensar “qué mal”?
- Posible causa: ¿por qué se siente así?
- Lector: ¿a quién le causa un problema?
- Objetivo: ¿qué debería poder hacer la gente?
- Límites: ¿qué no se puede romper?
- Listo cuando: ¿qué demostraría que mejoró?
“La portada es aburrida” se convierte en:
“Las categorías del propio sitio están demasiado al frente, así que quien llega por primera vez no puede buscar fácilmente desde lo que quiere. Queremos una entrada según el ánimo o la necesidad, no según cuántos artículos hay.”
Ahora la queja ya sirve para diseñar.
4. Hablarlo convierte “mi gusto” en algo que se puede comprobar
La clave es no tratar tu corazonada como verdad absoluta.
“No me gusta” y “es malo para los usuarios” no son lo mismo.
Así que la pones a prueba con estudios, reglas de diseño que ya existen, contraejemplos y datos reales de uso.
Por ejemplo, la desarmas así:
“¿Molesta porque hay demasiada información?” “¿Molesta porque está ordenado como piensa el dueño y no el lector?” “¿Molesta porque quien no busca nada no tiene por dónde entrar?” “¿Los visitantes de siempre no encontrarían todo más rápido con la lista?”
Con este paso, tu instinto sigue vivo, pero no se desboca.
La corazonada es la alarma.
Hablarlo es el diagnóstico.
Construir es el tratamiento.
No salgas corriendo al quirófano en cuanto suena la alarma.
5. “Que sea como IKEA o Costco” no es una orden floja: reduce dónde buscar
Los ejemplos concretos tienen mucha fuerza.
Con solo “hazlo más divertido”, la IA tiene demasiado terreno por explorar.
En cambio, si dices:
“Como caminar por una tienda enorme y terminar viendo cosas que ni pensabas comprar.” “No una lista de categorías, sino algo donde vas descubriendo cosas mientras miras.”
la experiencia que quieres queda mucho más clara.
Lo importante no es copiar cómo se ve esa tienda.
No se trata de imitar colores, espacios o formas de tarjetas, sino de subir un nivel:
“encontrar lo que no buscabas” “pasear de un lado a otro” “querer ver lo siguiente” “mostrar una experiencia, no un almacén”
Los ejemplos sirven para marcar el rumbo, no para fijar la respuesta.
Así la IA todavía tiene espacio para pensar.
6. Separar la IA que planea desde cero de la IA que construye funciona mejor
Para arreglar un error conocido no hace falta una gran reunión de planificación cada vez.
Buscas la causa, lo arreglas y lo pruebas.
Pero en trabajos más cercanos a ir de 0 a 1, como “hacer la portada divertida de raíz”, vale la pena pasar una vez por una IA de planificación potente antes de construir.
Cada una con su papel:
La IA de chat desarma la sensación y deja claro qué se necesita.
La IA de planificación desde cero explora opciones, estructura y cómo debería sentirse la experiencia.
La IA que programa se encarga del código, las pruebas y de revisar que no se haya roto nada más.
El humano decide el objetivo, los límites, las prioridades y si se acepta o no.
No hace falta dar vueltas y vueltas en reuniones de IA que solo producen planes.
Un plan solo vale cuando se convierte en algo construido.
7. Los estudios dicen que humano + IA no es automáticamente el mejor equipo
Esto es importante.
Un metaanálisis de 2024 en Nature Human Behaviour reunió 106 experimentos y 370 tamaños del efecto que comparaban directamente a personas solas, IA sola y personas trabajando con IA.[1]
En promedio, humano + IA lo hizo mejor que el humano solo.
Pero comparado con el mejor de los dos por separado, humano o IA, la combinación salió peor en promedio.
Poner a una persona al final no garantiza que todo mejore.
Además, en tareas de tomar decisiones la combinación tendía a rendir menos, mientras que en tareas creativas era relativamente más prometedora.
Así que la pregunta de fondo no es “¿usamos IA o no?”
Es:
¿Quién se encarga de qué?
Ni que una persona apruebe todo al final, ni tirarle todo a la IA.
Cómo repartes el trabajo es lo que decide qué tan bien sale.
8. Lo que la IA hace bien tiene un borde irregular
Un experimento de 2026 publicado en Organization Science siguió a 758 trabajadores del conocimiento. En 18 tareas dentro de lo que la IA hace bien, quienes usaron IA terminaron en promedio un 12.2% más de tareas, trabajaron un 25.1% más rápido y entregaron trabajo de mejor calidad.[2]
Pero en un problema de negocios complicado, justo fuera de lo que la IA hace bien, quienes usaron IA tuvieron un 19% menos de probabilidad de dar con la respuesta correcta.
Dos trabajos pueden parecer igual de “intelectuales” y, sin embargo, la IA ayuda en uno y estorba en el otro.
A eso se le llama la “frontera irregular”.
Por eso, en lugar de decir
“la IA es lista, que se encargue”,
hay que decir
“este tipo de trabajo va para la IA; aquí decide una persona”.
Personas: notar lo que no cuadra, fijar objetivos, las decisiones grandes de qué ganar y qué ceder, y que todo encaje.
IA: buscar a gran escala, proponer alternativas, redactar, construir y hacer revisiones mecánicas.
Al menos por ahora, ese reparto es el más natural.
9. Los estudios respaldan pasar de escribir el primer borrador a editar
En un experimento de 2023 en Science, 453 profesionales hicieron tareas de escritura. Quienes usaron IA generativa tardaron en promedio un 40% menos y su trabajo recibió una nota de calidad un 18% más alta.[3]
Un estudio de 2025 en el Quarterly Journal of Economics analizó datos reales de 5,172 agentes de atención al cliente. Con ayuda de IA, los casos resueltos por hora subieron un 15% en promedio, y la mejora fue mayor en el personal con menos experiencia.[4]
Ojo: nada de esto prueba que una empresa funcione sola si el jefe solo dice “esto no cuadra”.
Pero sí encaja con una idea más simple: cuando los borradores, el trabajo rutinario, las opciones y la redacción salen más baratos, la gente puede dedicar más tiempo a “qué hacemos”, “qué nos quedamos” y “qué está raro”.
Saber hacer las cosas con tus manos no deja de importar.
Solo deja de ser lo único que te frena.
10. La gran trampa: arreglar cada queja hasta que nada encaja
Arreglas las tarjetas.
Arreglas los anuncios.
Arreglas los artículos relacionados.
Arreglas el buscador.
Cada cosa mejoró.
Y aun así, el sitio entero quedó hecho un lío.
Esto pasa todo el tiempo.
Eliminar molestias una por una puede mejorar cada parte y empeorar el conjunto.
Por eso, cada tanto hay que dar un paso atrás y mirar desde arriba:
“¿Quién viene aquí?” “¿A qué viene?” “¿Qué es lo primero que debería hacer?” “¿Por dónde queremos que pasee?” “¿Con qué queremos que se vaya?” “¿Hay alguna función que en realidad convendría borrar?”
Mejorar las piezas y revisar el panorama completo son trabajos distintos.
Y además, las personas también se dejan llevar por lo que sugiere la IA. Un experimento mostró un círculo vicioso en el que los juicios humanos y los de la IA se alimentaban entre sí y el sesgo crecía.[5]
Así que “la IA también lo dice” no es una prueba.
Vuelve a los estudios, al uso real, a los contraejemplos y al mundo de afuera.
11. “Déjalo bonito” solo funciona cuando ya hay contexto compartido
“Déjalo bonito” es, siendo honestos, una orden arriesgada.
Sin contexto, es como jugar a la tragamonedas.
Pero cambia de sentido cuando ya está compartido esto:
El objetivo ¿Qué queremos mejorar?
Lo que no queremos ¿Qué no queremos por nada del mundo?
Los límites ¿Qué reglas, costos, seguridad o forma de operar no se pueden romper?
La referencia ¿Qué tipo de experiencia buscamos?
Listo cuando ¿Qué demostraría que funcionó?
Cuando eso se acumula, “déjalo bonito” se vuelve un atajo.
No es tirar el trabajo encima de otro.
Es invocar mucho contexto compartido con pocas palabras.
Igual que en un buen equipo humano, donde con “como siempre” todos entienden.
Con la IA, eso por fin empieza a funcionar.
12. Si la IA que programa se cae, que no se detenga todo el proyecto
La app de la IA que programa se cayó.
Justo antes de que se reiniciara el límite de uso.
“Quería meter todo mientras todavía podía.”
Ese tipo de caídas duelen, aunque no se note.
Pero también dejan una respuesta práctica:
Separa la fila de “pensar” de la fila de “hacer”.
Aunque el agente que programa no esté disponible, igual puedes:
juntar lo que no cuadra, hablarlo, armar hipótesis sobre la causa, contrastarlas con estudios, poner prioridades, escribir qué significa “listo”.
Hasta ahí se puede avanzar.
Cuando vuelve, la IA que programa no empieza a pensar desde cero: simplemente va resolviendo, de arriba abajo, los encargos que ya están preparados.
Que un servicio se caiga no debería congelar la cabeza de todo el equipo.
Ahorra dinero, sí, pero sobre todo te permite seguir cuando algo falla.
13. El jefe en la era de la IA no tiene que saber todas las respuestas
Si das una vuelta completa a este ciclo, el papel del humano se ve muy distinto.
No necesitas saber escribir todo el código.
No necesitas dibujar la pantalla perfecta al primer intento.
No necesitas saber cuál es la solución.
Pero sí tienes que quedarte con esto:
“Esto no es.” “Por esto.” “¿Quién debería salir ganando, y en qué?” “¿Qué no se puede romper?” “¿Podemos quedarnos con esta propuesta?”
La IA puede sacar soluciones a montones.
Puede construirlas.
Y también puede revisar bastante.
Pero si también entregas la decisión de qué cuenta como “bueno” en tu producto, ya no queda nada hacia dónde apuntar.
Así que el trabajo humano no desaparece tanto como se va hacia arriba y se vuelve más concentrado.
Dicho como un jefe de los de antes, no es
“Yo lo hago todo.”
Es
“Esto no es. El motivo es este. Vamos hacia allá. Lo demás, hazlo de la mejor manera que encuentres.”
“Déjalo bonito” por fin se está volviendo una habilidad de verdad.
Referencias (5)
[1] Vaccaro, M., Almaatouq, A., & Malone, T. (2024). When combinations of humans and AI are useful: A systematic review and meta-analysis. Nature Human Behaviour, 8, 2293–2303. https://doi.org/10.1038/s41562-024-02024-1
[2] Dell’Acqua, F., et al. (2026). Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality. Organization Science, 37(2), 403–423. https://doi.org/10.1287/orsc.2025.21838
[3] Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187–192. https://doi.org/10.1126/science.adh2586
[4] Brynjolfsson, E., Li, D., & Raymond, L. (2025). Generative AI at Work. The Quarterly Journal of Economics, 140(2), 889–942. https://doi.org/10.1093/qje/qjae044
[5] Glickman, M., & Sharot, T. (2025). How human–AI feedback loops alter human perceptual, emotional and social judgements. Nature Human Behaviour, 9, 345–359. https://doi.org/10.1038/s41562-024-02077-2




