Las 4 habilidades que te mantienen relevante cuando la IA hace el trabajo pesado

Hola, espero que la estes pasando muy bien, A estas alturas, casi todos los profesionales en tu empresa han abierto ChatGPT, Claude o Gemini al menos una vez y han quedado sorprendidos con el resultado. Ese es el nuevo punto de partida. No es una ventaja, es el piso mínimo.

Entonces la pregunta real es: ¿qué construyes sobre esa base para seguir siendo competitivo mientras la IA transforma el trabajo del conocimiento?

Llevo años trabajando con empresas industriales en Colombia, Ecuador y Centroamérica, implementando soluciones de IoT, automatización y ahora agentes de IA. Y en ese camino he identificado cuatro habilidades que marcan la diferencia entre los profesionales que aprovechan la IA y los que simplemente la usan.

Empecemos.

Esta es la más importante, y la que más me ha servido en mi trabajo diario.

Imagínate que eres el piloto de un avión:

Con la IA funciona exactamente igual. Hay tres modos:

Modo Piloto Automático: le asignas la tarea a la IA con instrucciones claras y revisas el resultado brevemente. Ella lo hace sola.

Modo Colaboración: iteras con la IA varias rondas hasta llegar al estándar que necesitas. Ni tú ni ella podrían haberlo logrado solos.

Modo Manual: lo haces tú, porque la IA no puede hacerlo bien o porque el riesgo de un error es demasiado alto.

El profesor Ethan Mollick de Wharton tiene un marco que llama la Ecuación Costo-Beneficio Agéntica. Se resume en tres factores:

Ejemplo de Piloto Automático: tienes que generar un reporte mensual de consumo de de inventarios monitoreados. Los datos ya están en la plataforma. La IA es excelente estructurando información tabular. Lo que antes tomaba 3 horas, hoy lo haces en 20 minutos con una verificación rápida. → Piloto Automático.

Ejemplo de Colaboración: estás preparando una propuesta para presentar a un nuevo cliente. La IA puede investigar el sector, redactar los beneficios técnicos y armar las diapositivas base, pero no conoce el historial de la empresa, quién toma las decisiones ni qué objeciones comerciales han tenido. Trabajas en varias rondas con la IA hasta tener algo que realmente represente tu propuesta. → Colaboración.

Ejemplo Manual: tu cliente te llama molesto porque un equipo reportó una falsa alarma durante el fin de semana y nadie respondió. Tienes 3 minutos de contexto en la cabeza y años de relación con esa cuenta. La IA no sabe nada de eso. → Manual.

Ahora que la IA es tan capaz, tu ventaja competitiva ya no está en hacer el trabajo. Está en diseñar el proceso para que la IA lo haga por ti.

Piénsalo como instalar una línea de producción: al principio es trabajo duro. Pero una vez que la línea está montada, la producción fluye sola.

Los datos aquí son contundentes: Andrew Ng encontró que usar un solo prompt para generar código daba un 48% de tasa de éxito. Pero cuando diseñó un flujo de varios pasos —escribir, ejecutar, depurar— con el mismo modelo, la tasa subió al 95%. El modelo no cambió. El proceso sí.

Aplica estos tres pasos a cualquier entregable recurrente que produces:

Un ejemplo práctico: si usas un solo prompt para generar todo el contenido de una propuesta comercial, el resultado es genérico. Pero si tienes prompts específicos para cada sección —diagnóstico del cliente, propuesta de valor, ROI estimado, manejo de objeciones— la calidad sube notablemente y el tiempo baja aún más.

Las empresas de IA más grandes del mundo están contratando agresivamente narradores y directores de contenido. Porque incluso ellos entienden que la IA, por poderosa que sea, no puede generar significado.

La información abunda. Lo que escasea es la capacidad de convertir esa información en algo que le importe a la gente.

Aquí un ejemplo que viví directamente: presentando resultados del piloto de SiloConnect en una reunión con gerencia, los números eran buenos pero no espectaculares. Lo que funcionó no fue la tabla de datos, sino enmarcar la historia así: "Pasamos de no saber cuánto cemento había en los silos a tener visibilidad en tiempo real desde cualquier celular. Eso no es solo eficiencia operativa, es control." Esa frase conectó más que cualquier métrica.

El marco ABT (Y, Pero, Por lo Tanto) — desarrollado por Randy Olson:

En lugar de reportar hechos, responde con estructura: "La implementación va bien y los operadores ya están usando el sistema, pero el cliente de Guayaquil pausó el piloto por un tema de conectividad, por lo tanto estamos coordinando con el proveedor de SIM para resolver esto esta semana."

El marco SCQA (Situación, Complicación, Pregunta, Respuesta) — usado en McKinsey, Bain y BCG:

El denominador común: ambos marcos introducen tensión y luego la resuelven. Esa tensión es lo que hace que la gente se involucre.

La última habilidad es quizás la más contraintuitiva: elegir intencionalmente no usar IA en ciertas tareas para que tu pensamiento crítico no se atrofie.

Si dejas que la IA escriba cada correo, describa cada estrategia y resuma cada reunión, perderás gradualmente la capacidad de sintetizar información por tu cuenta.

Es como el cinturón de levantamiento de pesas: te ayuda a levantar más. Pero si lo usas en cada repetición, tus músculos estabilizadores se debilitan. Después de un año, solo eres fuerte con el cinturón puesto.

Primero piensa, luego prompts. Antes de pedirle a la IA su análisis, escribe el tuyo. Aunque sea tres líneas. Ese ejercicio mantiene activo el músculo.

Interroga el resultado. Cuando la IA te dé una respuesta, resiste el impulso de aceptarla de inmediato. Pregúntate: ¿cómo verifico esto? ¿Cuál es el contraargumento? Ese debate interno es lo que separa al profesional que usa IA del que es usado por ella.

En este punto es fácil caer en uno de dos extremos: "la IA nos hace más tontos" o "la IA lo hace todo mejor que nosotros". Ninguno es cierto.

Los estudiantes que usaron ChatGPT sin orientación obtuvieron 17% peor en exámenes. Pero con guía estructurada, un estudio del Banco Mundial encontró que seis semanas de tutoría con IA produjeron ganancias equivalentes a dos años de escolarización tradicional.

Como dice Ethan Mollick: hay mucho trabajo que vale la pena delegar a la IA. Rara vez lamentamos las matemáticas que hacemos con calculadora. Pero también hay trabajo en el que tu pensamiento importa.

¿Cuál de estas cuatro habilidades crees que necesitas desarrollar más? Responde este correo y me cuentas — leo todos los mensajes.

Pasa un grandia. Nos vemos por ahi.

Javier Ospina V.