Las personas antes que la tecnología. Definir el problema, medir el impacto y elegir el rol de la IA: ¿aumentar, asistir o automatizar?
La IA nos deslumbra. Cada vez que aparece una tecnología potente saltamos directamente a las ideas, las soluciones y los casos de uso. Pero cuando empezamos por la solución, olvidamos lo esencial: ¿qué problema real estamos resolviendo, para quién, en qué contexto y con qué impacto humano?
La IA es sorprendente, sí, pero sigue siendo una herramienta. El orden importa: primero las personas, después la tecnología.
El atajo peligroso: del “qué podemos hacer” al “para qué”
La tentación del solucionismo nos empuja a:
- Buscar casos de uso antes de entender el problema y su contexto.
- Optimizar métricas internas y olvidar el resultado para el usuario.
- Construir prototipos “inteligentes” que no encajan en el trabajo real.
Resultado: soluciones brillantes que no resuelven nada sustantivo o que añaden fricción cognitiva y operativa.
“Cuando adoptas tecnología, siempre tienes que asegurarte de que hay un caso de negocio: encontrar un problema que resolver o un proceso que mejorar… le pones tecnología y entonces viene el caso de negocio para hacerlo.”
Ángela Gómez
Empezar por el ser humano (y su contexto)
Antes de hablar de flujos, prompts o agentes, haz el trabajo de base:
- Quién: ¿qué segmentos (personas/roles) serán los beneficiarios?
- Contexto: tareas, herramientas, restricciones y entorno físico/social.
- Fricciones cognitivas: dónde se concentra el esfuerzo mental, la ambigüedad o la carga de memoria de trabajo.
- Resultado deseado: ¿qué cambia para la persona? ¿Qué significa “éxito” para ella?
¿Tiene sentido resolverlo con IA?
No todo problema necesita IA. Pásalo por este filtro:
- Valor humano diferencial: ¿mejora tiempo, confianza, calidad, acceso o precisión para la persona?
- Alternativas sin IA: ¿puedo lograr una mejora notable sin IA?
- Métrica adecuada: ¿cómo mediré el resultado que importa al usuario?
Decide el rol de la IA: aumentar, asistir o automatizar
- Aumentar (human-led): la persona decide; la IA sugiere, resume y prioriza. Ideal con juicio experto.
- Asistir (human-in-the-loop): la IA hace el grueso; la persona valida o corrige. Útil para escalar con control.
- Automatizar (hands-off): solo tareas repetitivas, de bajo riesgo y bien definidas.
Human First, Next AI no es un eslogan: es un orden de trabajo. Cuando empezamos por las personas —sus fricciones cognitivas, su contexto y su idea de éxito— la IA deja de ser “magia” y se convierte en herramienta. La fórmula es simple (y exigente): definir el problema humano correcto, medir el resultado que importa y elegir el rol adecuado de la IA (aumentar, asistir o automatizar). Así pasamos de prototipos brillantes a impacto real.
La IA sugiere, resume y prioriza; las personas decidimos, ajustamos e iteramos. Si preservamos ese reparto de responsabilidades, ganamos velocidad con criterio y tiempo de calidad para pensar estratégicamente. Primero lo humano; después la tecnología.
Invitación a la reflexión
- ¿Qué fricción humana concreta quieres aliviar en tu equipo o con tu cliente?
- ¿Cómo sabrás que tu solución mejoró la vida o el trabajo de esa persona (¿qué métrica centrada en el usuario usarás)?
- ¿Qué parte debe seguir en manos humanas y cuál puede asumir la IA (aumentar, asistir o automatizar)?
- ¿Qué riesgo eliminarás o qué confianza construirás para que la adopción sea sostenible?
¿Con qué problema empezarías y qué rol le darías a la IA en tu caso? Te leo, escríbeme.
