Más herramientas, peores resultados

Hay un patrón que se repite en todas (absolutamente en todas) las empresas donde capacito a profesionales en el uso aplicado de IA.

Lo veo cada semana en formaciones, en sesiones de consultoría, en conversaciones con profesionales de sectores muy distintos.

Siempre hay personas con la sensación de que “todavía no han encontrado la herramienta adecuada”.

Lo que más me encuentro:

Personas que suelen usar tres o cuatro al mismo tiempo, algunos tienen una cuenta de ChatGPT, de NotebookLM, de Perplexity, de Claude, quizá de Gemini, o de Copilot, y quizá alguna más que leyó en un artículo la semana pasada.

Pero siguen sin encontrar algo que les convezca.

El problema de fondo es que “usar la herramienta equivocada” ha pasado a ser la explicación por defecto de resultados mediocres.

Este artículo va sobre eso.

Sobre por qué añadir herramientas casi siempre empeora los resultados en lugar de mejorarlos, y por qué el sector IA tiene tanto interés en que sigamos creyendo lo contrario.

Cuando una persona empieza a trabajar con IA, la curva es siempre la misma. Hay un momento de sorpresa inicial, seguido de una primera decepción: “no es tan buena como decían.”

Esa decepción conlleva un diagnóstico equivocado: “esta herramienta no es la mejor para lo que yo necesito”. Y ese diagnóstico lleva a una solución natural: probar otra.

El problema es que esa lógica no te ayudará a resolver tu problema.

Intentan convencernos de que hay herramientas mejores y peores, que cada una tiene sus puntos fuertes, y que el profesional avanzado sabe cuándo usar cuál.

Todo eso es verdad en un nivel muy técnico. Pero en la práctica del trabajo real, lo que determina la calidad de los resultados no es la herramienta. Es lo que se hace antes de abrirla.

He formado a más de mil profesionales en el último año. Médicos, abogados, directores de marketing, profesores, comerciales. En ningún caso el problema principal era la herramienta.

En casi todos los casos, el problema era el punto de partida: lo que la persona le pedía a la IA, con qué información, con qué contexto, con qué expectativa de resultado.

Cuando cambias la herramienta sin cambiar ninguna de esas cosas, el resultado mejora un poco o nada. Y entonces buscas otra herramienta.

El mercado de IA ha aprendido a capitalizar exactamente este ciclo. Cada semana aparece algo nuevo. Cada anuncio promete hacer mejor lo que las anteriores no consiguieron.

El contenido que circula por LinkedIn está lleno de comparativas, rankings, “top 10 herramientas para X”. Hay canales de YouTube cuyo único contenido es presentar herramientas nuevas, una tras otra, semana tras semana.

Ese ecosistema no existe para ayudarte a trabajar mejor. Existe para mantenerte enganchado al ciclo de búsqueda.

Porque mientras buscas la herramienta perfecta, no te planteas que el problema podría estar en otro sitio.

El problema real es casi siempre el mismo: no tenemos un método para trabajar con IA.

Tenemos prompts sueltos, intenciones vagas y la esperanza de que la herramienta adecuada lo resuelva sola.

Lo que ocurre cuando usas varias herramientas sin método es que la atención se fragmenta. En lugar de aprender a usar bien una, aprendes a usar mal varias.

Cada herramienta tiene su interfaz, su lógica, sus límites. Aprender todo eso tiene un coste.

Y cuando el tiempo que dedicas a explorar herramientas supera el tiempo que dedicas a mejorar cómo piensas lo que le pides a la IA, el resultado es el contrario al esperado.

Conozco profesionales que tienen cuentas activas en varias plataformas. Y que siguen produciendo el mismo tipo de resultado mediocre que obtendrían con una sola, bien utilizada.

Esto no es una crítica a ninguna herramienta en concreto. Las herramientas actuales (las principales, las que cualquiera tiene al alcance) son suficientemente buenas para resolver la mayoría de tareas profesionales.

El techo no está en la herramienta. Está en el input que le enviamos al modelo de lenguaje.

Hay un experimento que hago a veces en las formaciones.

Le pregunto a alguien qué herramienta usa habitualmente. Me dicen una. Les pregunto qué le piden. Me cuentan la tarea. Luego les pregunto si estarían dispuestos a pedirle exactamente lo mismo a otra herramienta, con exactamente las mismas palabras.

La respuesta casi siempre es que sí, pero con la expectativa de que el resultado sea diferente.

Y a veces lo es. Hay diferencias. Pero en la mayoría de casos, cuando el punto de partida es una instrucción vaga y sin contexto, la diferencia entre herramientas es marginal.

Lo que produce un resultado mediocre en una, produce un resultado mediocre en la otra. Lo que produce un resultado útil en una (cuando el punto de partida está bien construido) también funcionaría en la otra.

La herramienta es el último factor. El input que le damos es el primero.

Entiendo por qué aceptar esto es cómodo. Es más fácil pensar que el problema está fuera, en la herramienta que no acaba de encajar, que pensar que el problema está en cómo estamos haciendo las preguntas.

Lo primero tiene solución inmediata: buscar algo nuevo. Lo segundo requiere parar, observar y cambiar un hábito.

Pero lamento decirte que la segunda opción es la que funciona de verdad.

Un método sí.

Un método significa saber qué información incluir en una instrucción antes de escribirla. Saber qué tipo de respuesta quieres y cómo pedirla. Saber cuándo la IA está dando lo que necesitas y cuándo no, y por qué. Saber construir instrucciones que puedas reutilizar, que mejoren con el tiempo, que no dependan de que acertes a la primera.

Eso no lo da ninguna herramienta. Lo construyes tú.

Si quieres dejar de buscar la herramienta perfecta y empezar a trabajar bien con las que ya tienes, eso es exactamente lo que propone IA Fácil.

No más herramientas. Un sistema para usarlas bien.

Lo tienes aquí.

En pocas palabras: