El mejor modelo de IA no existe

Un alumno envió este reel:

¿Qué modelo de IA es el mejor? Te resumo el reel: Claude.

***

Vale. Pero ¿el mejor haciendo qué? Como diría un gallego…

…Pues depende

Depende de lo que quieras hacer con él. Para cortar pan, mejor un cuchillo de sierra; para sopa, una cuchara (que no cucharón).

Sí, existen los modelos de frontera, esos que se disputan cada semana el podio de los gráficos semanales. Pero no existen herramientas ganadoras en términos absolutos. Existen herramientas más adecuadas para unas tareas que para otras. Lo demás es marketing a metralla.

Claude dispone de un sistema que puede intervenir en el proyecto, y desde luego que destaca en escritura, análisis, programación o tareas largas de varios pasos. Sin embargo, no genera fotografías o ilustraciones como lo hacen los modelos especializados en imagen. Sí puede interpretar imágenes y construir diagramas, crear gráficos, diseñar prototipos o producir determinados recursos visuales. Pero no es lo mismo pedirle un panel para visualizar datos que generar la fotografía cinematográfica de una mujer atravesando Tokio bajo la lluvia. De hecho, esto es precisamente un valor diferencial de Anthropic, que establece esa diferencia de forma explícita.

Entonces, ¿es Claude el mejor?

Puede serlo para la tarea de quien ha grabado el reel, y ahí está el matiz, hay que saber el criterio con el que la estamos juzgando.

Una creadora audiovisual puede preferir Flow porque genera imágenes y vídeos sin salir de la misma interfaz; una profesora quizá valore más la conversación por voz; una empresa puede priorizar la privacidad, la integración con sus documentos o el coste… y todos podrían tener razón.

¿Tienes tecnoestrés?

Anthropic, OpenAI, Google y todas sus primas hermanas compiten por conseguir modelos más capaces, baratos, rápidos y autónomos. No paran de publicar benchmarks porque necesitan convencer sobre todo a sus inversores y demás fauna. Pero esa es su carrera, la nuestra debería ser otra.

No obstante, si todos estos cambios tan rápidos te agobian, no te preocupes que cuando estalle la burbuja ya todo se estabilizará y, por tanto, los cambios se ralentizarán.

Traigo tres noticias:

• La primera es que nosotros, los humanos que no trabajamos en compañías tecnológicas, no necesitamos ganar una clasificación de modelos. Necesitamos encontrar soluciones a nuestras necesidades. Cómo hacer (mejor): un informe, preparar una clase, analizar unos documentos, atender a un cliente, crear una imagen o dejar de perder tardes enteras copiando información entre dos excels.

• La segunda es que perseguir cada novedad puede ser menos productivo que dominiar una herramienta suficientemente buena. Para la gran mayoría de los mortales como tú y yo, ya tenemos suficiente inteligencia para poder mejorar muchísimo en lo nuestro (ya sea un proyecto personal o profesional). Ojo, que si tu IA de turno te ofrece soluciones mediocres, quizá es que la pregunta o el proceso también lo eran. Por eso, puede suceder que cambiar de modelo aporte una mejora del cinco o del diez por ciento, pero mejorar el proceso completo e integrando la IA con cabeza puede multiplicar x2 (como poco) el resultado.

• La tercera te la resume aquí:

Y lo explicó muy bien en este artículo de La Vanguardia.

No obstante…

—¿Para qué voy a empezar hoy si mañana saldrá algo mejor?

Pues porque mañana, en efecto, saldrá algo mejor.

Y pasado mañana también. Utilizar este argumento para no moverse ni hacer nada es como negarse a comprar un ordenador porque el próximo año habrá uno más potente.

Pensemos en una pequeña academia que utiliza IA para preparar materiales o responder correos. Puede dedicar semanas a decidir qué modelo redacta ligeramente mejor. Pero si sus documentos están desordenados, las instrucciones (los prompts) no están trabajadas, o no tienen una metodología y nadie revisa las respuestas, el problema no está en el modelo, está en el sistema.

Sin duda, elegir la tecnología es importante. Pero no sustituye el trabajo de ordenar la información, rediseñar procesos y formar a las personas.

De hecho, un informe de la OCDE publicado en mayo de 2025 señala que la falta de competencias en IA y de madurez de los datos son barreras fundamentales para su implantación. También advierte de que muchas empresas tienen dificultades para delimitar el problema de negocio que quieren resolver antes de escoger la tecnología.

No me digas que no bastaba con pagar la suscripción…

Ejem. La IA es sólo una pieza del engranaje. Por eso, cuando evaluamos una herramienta, conviene mirar algo más que su inteligencia aparente:

• Qué tarea concreta debe resolver.

• Qué información necesita para hacerlo.

• Cuánto cuesta usarla de forma recurrente.

• Qué ocurre con los datos que introducimos.

• Cómo comprobamos la calidad del resultado.

• Cuánto trabajo exige cambiar todo el proceso cuando aparece otra herramienta.

La supervisión humana no es el adorno ético que se coloca al final de una presentación corporativa, es parte del sistema.

También lo son el contexto, la memoria acumulada, las instrucciones, los criterios de calidad y la decisión de cuándo no utilizar inteligencia artificial.

En definitiva, el modelo importa, pero no trabaja solo. Mi método para no probarlo todo te lo cuento en la próxima edición…

Referencias:

OECD/BCG/INSEAD (2025), The Adoption of Artificial Intelligence in Firms: New Evidence for Policymaking, publicado el 2 de mayo de 2025.