El Síndrome del Lavavajillas

—Oye, pero si de todos modos tengo que limpiar las transcripciones de veinte entrevistas para que la IA me dé algo decente... ¿no termino armando los hallazgos yo mismo? ¿Dónde está el famoso ahorro de tiempo?

Esa fue la pregunta que me hizo una alumna en un módulo sobre inteligencia artificial aplicada a la investigación cualitativa en Diseño. Y en ese exacto instante supe que, al fin, alguien en la sala estaba separando el humo del teatro corporativo de la pura realidad operativa.

Nos han bombardeado con la ilusión de que los modelos modernos son cajas mágicas de productividad. Usar inteligencia artificial generativa hoy se siente exactamente igual que comprar un lavavajillas de gama alta. Te venden desde marketing la promesa absoluta de que nunca más volverás a tallar un plato sucio en tu vida. Pero cuando la instalas en la cocina y lees el miserable manual de instrucciones, la realidad te choca de frente. Igual tienes que retirar los restos sólidos de comida, enjuagar las sartenes llenas de grasa y acomodar los recipientes en un ángulo meticuloso. Si metes un refractario con restos de queso derretido reseco de hace tres días, vas a abrir la puerta después de tres horas solo para sacar un refractario caliente con queso derretido incrustado a nivel molecular.

Si alimentas un modelo de lenguaje con ruido absoluto, te devolverá ruido promediado y adornado con excelente ortografía corporativa.

El algoritmo no tiene la menor idea de qué es importante para ti. Carece de consciencia y de agencia. No sabe cuáles de las cincuenta preguntas de tu guion de usabilidad son las que verdaderamente tienen el potencial de salvar los 180,000 USD que tu corporativo local está por inyectar en una refactorización de código completamente inútil. El modelo lingüístico simplemente adivina. Realiza un ejercicio probabilístico gigantesco y opaco para determinar qué secuencia de palabras se ajusta más a sus parámetros de entrenamiento estadístico.

El algoritmo actúa utilizando el equivalente al Sistema 1 descrito por Daniel Kahneman en Thinking, Fast and Slow: escupe asociaciones rápidas, automáticas y predecibles basadas en la fuerza de la memoria histórica. El análisis real de fricción de tu producto exige la deliberación meticulosa del Sistema 2. Y esa capacidad crítica para navegar escenarios complejos no te la vende ninguna suscripción mensual de internet.

Si le avientas cuarenta archivos de texto sucios, llenos de tartamudeos, interrupciones por mala conexión de internet, ladridos de perros y chistes internos que sucedieron durante tu videollamada, el modelo va a digerir todo ese caos sin cuestionar nada.

En LatAm veo esta tragedia de la eficiencia repetirse cada quincena. Un equipo distribuido entre Bogotá, Monterrey y Santiago realiza decenas de horas de entrevistas remotas. En lugar de procesar la información con rigor analítico, el equipo agarra las transcripciones automáticas crudas y se las escupe a su aplicación de chat de turno pidiendo un “resumen con los hallazgos más importantes”. ¿El resultado? Una lámina con cuatro viñetas vacías, obviedades absolutas y conclusiones genéricas que un director asustado mandará por la tarde en inglés a la casa matriz de Estados Unidos. Todo para palomear la casilla y fingir ante los inversionistas que conocen y priorizan a sus clientes.

Te acabaste de ahorrar semanas de doloroso trabajo administrativo, de acuerdo. Pero acabas de destruir todo el valor que justificaba el presupuesto operativo de la investigación. Este circo es parte del mismo problema que describí al detallar el fraude de los usuarios sintéticos; al intentar alejarnos de la incomodidad humana del análisis grueso para ganar velocidad, lo único que automatizamos a escala industrial es nuestro sesgo de confirmación.

Volvamos a la brillante frustración de mi alumno. ¿Dónde está realmente el beneficio si terminas limpiando e interpretando la información tú solo de todas formas?

Ahí reside precisamente el umbral operativo que separa a un simple ejecutor de manual de un Diseñador Mid-Senior con la capacidad de influir políticamente en una organización. La ventaja real radica en utilizar comandos intencionales de reducción por fases, protegiendo tu juicio crítico en todo momento.

Tú estableces el orden de las operaciones. Primero utilizas la herramienta para normalizar formatos erráticos. Luego le exiges que aísle exclusivamente las quejas sobre tarifas comerciales y elimine el ruido conversacional. Después, la configuras para que cruce únicamente los testimonios donde los usuarios corporativos mostraron frustración real al intentar compartir permisos de administrador.

Esta secuencia minuciosamente estructurada sí te salva de horas de talacha agotadora. Si tú asumes la responsabilidad, preparas el terreno y podas la maleza técnica, el modelo hará el trabajo obrero de clasificar la información con una eficiencia demoledora.

Como ya escribí en ¿Prompt Engineering? por qué tu IA es tan mediocre como tu estrategia, el valor que le aportas a tu organización surge del rigor intelectual con el que estructuras la premisa frente a la máquina, jamás de la urgencia con la que presionas el botón de enviar. Según detalla Erika Hall de manera categórica en su obra fundamental Just Enough Research, investigar consiste en construir de manera deliberada un entendimiento compartido que reduzca drásticamente el riesgo comercial, muy por encima de la simple recolección y acumulación de registros.

Si introduces pereza a un modelo probabilístico, la máquina validará y empacará tu pereza en un envoltorio presentable.

Existen incontables perfiles de Diseño que genuinamente sienten alivio al creer que una herramienta genérica de 20 dólares puede simular el peso cognitivo de su rol. Si todo tu análisis de fricción, tu síntesis de comportamiento humano y tu estrategia de producto pueden ser reemplazados por un texto generado en catorce segundos a partir de un mensaje sin contexto, lamento informarte que tus capacidades analíticas valían muy poco desde una década antes de la invención de esta tecnología.

Tú sigues siendo el último filtro. Tú decides de forma activa si esa pequeña pausa de silencio en el audio refleja incomodidad real frente a la pantalla de pagos de tu aplicación. Tú determinas la gravedad económica de ignorar esa fricción. Usar tecnología en el ciclo de descubrimiento de producto exige una cantidad superior de criterio, jamás una disolución del mismo.

Acepta el peso estructural que tiene tu juicio. Tienes que rasquetear y limpiar todos los platos antes de usar el lavavajillas.

Felices trazos.