Por qué las personas inteligentes obtienen resultados genéricos de la IA

Galen Low: Seamos honestos, todos estamos cansados de revisar entregables, informes y actualizaciones de estado que parecen sacados del mismo molde genérico de la IA. Pero aunque es fácil culpar a la tecnología y dejarlo ahí, hay algo más que sucede aquí. La mayoría obtiene resultados genéricos de la IA porque hacen preguntas genéricas. Y la gente hace preguntas genéricas porque o no entiende cómo funciona la tecnología, o no tiene la confianza para desafiar a la IA, o siente síndrome del impostor entre sus colegas, o a veces todo lo anterior.

Como resultado, muchas personas están perdiendo las habilidades que más necesitamos hoy: la curiosidad y la capacidad de pensar críticamente. Para ayudarnos a solucionar eso en nuestros equipos, he invitado a un experto en IA y educador decidido a elevar el nivel de todos, para que el síndrome del impostor, los prompts pobres y los resultados insípidos de la IA sean cosas del pasado. Y para que lo humano vuelva a estar en el centro. Espero que disfrutes el episodio.

Bienvenidos al pódcast Digital Project Manager—el programa que ayuda a líderes de entrega a trabajar con más inteligencia, entregar con mayor fluidez y guiar a sus equipos con confianza en la era de la IA. Soy Galen, y cada semana profundizamos en estrategias reales, tendencias emergentes, marcos comprobados y alguna que otra anécdota de las trincheras de proyectos. Ya sea que estés liderando grandes transformaciones, gestionando flujos de trabajo con IA o simplemente intentando controlar el caos, éste es tu sitio. ¡Vamos allá!

Hoy hablamos de cómo el síndrome del impostor en torno a la IA puede frenar a nuestros equipos de maneras sutiles y no tan sutiles, y qué pasos prácticos podemos dar para ayudarles a encontrar el equilibrio entre ser inquisitivos y, al mismo tiempo, interrogar estratégicamente los resultados generados por la IA.

Vamos a repasar un marco práctico para lograr que nuestros equipos hagan mejores preguntas y evalúen los resultados de manera crítica, y qué impacto puede tener esto en la estrategia general de IA del negocio. También trataremos la atrofia de habilidades y cómo mantener a los equipos actualizándose a medida que el mundo cambia a su alrededor.

Hoy me acompaña Mashhood Ahmed, Director de Proyectos de Consultoría en M1 Consultants. Mashhood ayuda a empresas a diseñar e implementar programas de adopción de IA generativa con impacto tangible. Gracias a un marco probado de adopción de GenAI en cuatro niveles que cubre alfabetización en IA en toda la organización, flujos de trabajo específicos de departamentos, automatización agente y programas de formación, Mashhood impulsa equipos hacia una IA liderada por la creatividad humana.

Para hacerlo, Mashhood pone en práctica sus más de 20 años de experiencia en gestión de programas, proyectos y cambio organizacional. Para él, la IA es más que herramientas: se trata de integrar la IA en la manera en que realmente se realiza el trabajo.

Mashhood, muchas gracias por acompañarme hoy.

Mashhood Ahmed: Muchas gracias. Es un placer estar aquí.

Galen Low: Me emociona mucho profundizar en este tema.

He visto algunas de tus charlas sobre este asunto y creo que tu enfoque es muy equilibrado, realmente conectó conmigo, tu punto de vista sobre cómo debemos considerar la IA en su implementación, en su integración en nuestro trabajo. Me parece un enfoque muy pragmático, así que me da muchas ganas entrar en materia hoy.

Por supuesto, has colaborado con nosotros en The Digital Project Manager en varias ocasiones. Tu mensaje siempre conecta. Por eso, pensé que podríamos empezar con una pregunta grande y compleja, y luego dejar que la conversación fluya. Me gustaría hablar sobre el valor de una mentalidad inquisitiva ante la IA y por qué importa, qué acciones podemos tomar para equilibrar esa curiosidad interrogando estratégicamente los resultados de la IA, y qué está en juego para el futuro de la tecnología si nuestros equipos se quedan en preguntas superficiales y aceptan resultados genéricos de IA sin cuestionarlos.

Sé que fue mucho, ¿qué te parece?

Mashhood Ahmed: ¡Me parece perfecto!

Galen Low: Genial. Vamos allá. Empiezo con una pregunta amplia, ya que trabajas con muchas organizaciones ayudándoles a familiarizarse con la IA e incorporarla a sus formas de trabajo.

Escuché una vez que muchas personas hacen preguntas genéricas y luego se quedan con las respuestas genéricas tal y como vienen. Así que, si tuvieras que adivinar, ¿qué porcentaje de personas usando IA en un entorno profesional obtienen sólo resultados promedio y genéricos de la IA pensando que eso es lo mejor a lo que pueden aspirar?

Mashhood Ahmed: Muy buena pregunta. ¿Qué porcentaje de personas usa la IA de manera genérica obteniendo respuestas genéricas? Yo diría que alrededor del 40% al 50% de las personas hacen eso. Y les planteo una pequeña prueba a tu audiencia para que vean a qué me refiero con una respuesta genérica de la IA. Casi todos hemos jugado alguna vez en la vida con un dado.

Voy a explicar un experimento que he realizado con cientos de personas, a veces con salas de veinte, y siempre obtengo la misma respuesta—o respuesta muy similar. Abre Copilot en una pestaña, en otra abre ChatGPT, en otra abre Gemini, en otra cualquiera que prefieras.

Hazlo con cuatro o cinco. Yo suelo hacerlo en un salón grande con una sola herramienta, pero para experimentar tú mismo, prueba. Escribe un prompt sencillo: "Tira un dado de seis caras por mí." Cuando ejecutas ese prompt, la mayoría de las IA generativas te responderán con un cuatro, ¿vale?

Como dije, lo he hecho con cientos de personas. Normalmente entre el 85% y el 90% reciben un cuatro como respuesta. Ocasionalmente, otros reciben distintos números. Me han dado feedback usando ChatGPT, Gemini, Claude, Groq, Perplexity y otras. Todas caen en el mismo error.

¿Qué ocurre? Cuando pides a la IA tirar un dado, no sabe tirar un dado en realidad. Estadísticos y matemáticos enseñaron a la IA un modelo del tipo: si tienes que lanzar un dado, tienes seis opciones (uno a seis), toma el promedio y redondea si hace falta, así que da una respuesta mediocre.

El promedio en ese caso es 3,5, redondeado da cuatro. Por eso un 80%-90% de las veces recibes cuatro. Ahora te invito a hacer algo más: en la misma ventana, escribe otro prompt: "Tira un dado de seis caras por mí asegurando que cada una tenga igual probabilidad," e incluso añade comentarios tendenciosos: "Quiero el número más alto o el más bajo," o algo así.

He visto gente poner distintos tipos de prompts y suelo recopilar los resultados. Así verás que, si introduces contexto o ejemplos de dado bien mezclado, bien agitado, obtienes una respuesta más equilibrada. Así que si preguntas "Tira un dado de seis caras por mí," genérico, obtienes un cuatro el 80%-90% de las veces.

La razón es que la IA no entiende el contexto. No tiene información de tu proyecto ni de tu juicio humano. Por eso es clave que tus prompts incluyan tanto contexto y restricciones como sea posible para que la respuesta sea de mayor calidad.

Galen Low: Me encanta. Y de hecho, abrí un par de LLMs y tienes razón. Solo tenía tres pestañas abiertas, dos sacaron cuatro y una un seis. Aún no probé añadir contexto, pero es acertadísimo. Ni tú ni yo somos estadísticos, pero ese rango de 40%-50% que mencionaste... Yo concuerdo. Mucha gente sigue usando la IA como Google, escribiendo prompts de cuatro o cinco palabras. Puede que no sea terrible en cierto contexto, pero los proyectos que llevamos hoy tienen mucha complejidad y conocimientos previos que no están en lo que aprendió el LLM.

Si no le proporcionamos ese contexto, entregará respuestas genéricas. Lo que más me fascina y me fastidia de la IA generativa es justamente lo convincente que suena. Y la gente publica estas respuestas, esto no es novedoso. Parece muy pulido, convincente, y luego te halaga y decides correr con ello.

Piensas, "Genial, trabajo hecho." Es más pulido de lo que yo haría, así que simplemente lo acepto. Ahora veremos por qué pasa esto, pero lo cierto es que la IA parece súper acabada incluso si es mediocre.

Mashhood Ahmed: Sí. Yo utilizo una técnica llamada "cambio de perspectiva de persona". ¿En qué consiste? Preparas tu informe, tu plan, el documento o el email, y luego utilizas un prompt como: "Ahora lee este email o documento desde la perspectiva de la persona X, que apoya o no apoya este proyecto (añadiendo contexto sobre esa persona)".

Entonces verás la respuesta. Ahora decides si editar el documento o simplemente tomas nota para preparar una respuesta por si alguien te cuestiona eso en la próxima reunión, cuando presentes el proyecto ante la directiva o un público grande. Así tienes las respuestas listas.

Esto es importante porque cuando gestionamos un proyecto, a veces nos cegamos ante tanto ruido, y podemos usar la IA para cambiar la perspectiva de persona. Por ejemplo, piénsalo desde el punto de vista del CFO, que no está convencido de gastar $1.4 millones para salvar el proyecto. Contexto distinto.

A veces ni lo pensamos, porque como PM vamos con prisa. Si la IA nos ayuda con el trabajo operativo, podemos concentrarnos en habilidades críticas como el pensamiento crítico y formular las preguntas correctas. Eso lo llamo mentalidad inquisitiva, y lo discutiremos hoy.

Galen Low: Me encanta. Vamos a ello. Porque realmente, la IA no hace el trabajo por ti, sino que te ayuda a ponerte en el lugar de los stakeholders para evitar sorpresas. Que te sorprendan suele ser resultado de no anticipar la mentalidad ajena.

Ya hablaremos de eso, pero antes quiero ampliar el panorama, porque te he oído hablar de "síndrome del impostor" en tus charlas y posts. Para quienes no lo sepan, es cuando profesionales exitosos sienten que engañaron a sus colegas y no merecen sus logros.

En el contexto de la IA, creo que es diferente a solo sentirse indigno. ¿Qué tiene la IA que activa nuestro síndrome del impostor, y cómo influye en nuestra aproximación a la IA?

Mashhood Ahmed: Hay varios factores que activan ese síndrome, esa sensación de "no avanzo",

No comprendo esto, o todos los demás ya lo dominan. Primero: la invisibilidad. Nos acostumbramos al esquema entrada/proceso/salida. Así desarrollamos nuestras carreras: das una entrada, ocurre un proceso que entiendes, y obtienes un resultado. Con la IA, el proceso cambia según el contexto y los detalles del prompt.

Se vuelve una caja negra, lo que nos incomoda. A veces incluso yo me incomodo al hacer demostraciones en directo: unas veces funcionan bien y otras no como esperaba. Me ha pasado varias veces. Eso descoloca.

Otra cosa es que en LinkedIn o redes parece que todos dominan la IA, pero no todos lo hacen correctamente. Yo sigo aprendiendo cada día, todo es nuevo. Como PM o PMO manager te acostumbras a saberlo todo de tu proyecto: riesgos, problemas de proveedores, historial... Puedes explicar cualquier detalle en una reunión. Pero ahora todo es invisible, y eso es lo que causa el síndrome del impostor: perdemos el control.

El ser humano tiende a querer controlarlo todo, somos una especie "controladora". Cuando ese control pasa a la máquina, nos inquieta.

Ahí entra el síndrome del impostor: no sabemos qué responderá la máquina, necesitamos verificarlo todo, y a veces genera demasiado ruido.

Se convierte en más trabajo que valor, y aquí surgen las preguntas inquisitivas y otros puntos de los que hablaremos hoy.

Galen Low: Es interesante porque son dos aspectos. Uno es lo que popularmente definimos como síndrome del impostor: sentirnos fraude porque los demás parecen mejores, como en LinkedIn (el peor sitio para ganar confianza en IA en mi opinión). Todo son "7 errores en tu prompt", "Por qué fallan tus agentes".

Ves eso y piensas, "Debo estar haciéndolo todo mal". Por otro lado, como dijiste antes, es sencillo ver los resultados de la IA y no querer criticarlos. Como PM, si recibes un entregable al 98%-100% completo y das feedback a última hora quizás retrases todo. Aquí es similar: caja negra, parece acabado, y si no tienes confianza piensas, "La IA debe ser más lista que yo, ¿quién soy yo contra algo entrenado con todo el conocimiento humano?"

Pero como dices, su punto ciego es el contexto: no sabe lo discutido en una reunión ni qué stakeholders tienen objeciones o riesgos. Hay mucho que está sólo en nuestro cerebro, y por eso la colaboración es esencial.

Mashhood Ahmed: Hay un dicho antiguo: "el diablo está en los detalles". Muchas veces parece todo terminado, pero los detalles hacen la diferencia. Además, como PM, puedes tener la transcripción de la reunión pero sabes que el stakeholder que dice "sí" quizá en realidad sólo quiere decir "quizá".

Puede que firme el acta, pero no hará nada contigo directamente. Suele ser otra persona (analista, por ejemplo) quien realmente será tu aliado y a quien necesitas involucrar.

Todo eso se gana con experiencia y pensamiento crítico. Y por eso el pensamiento crítico es hoy más importante que nunca. Entiendes las dinámicas, la política, sabes qué funciona en tu empresa quizá no funciona en otra. Hay PMOs, plantillas, guías del PMI.

Nunca he hecho un proyecto que siga una metodología al pie de la letra. Porque siempre depende de la situación. Ahí es donde el humano se impone para decidir qué aplicar. Conozco a mis stakeholders, sponsors, equipo y riesgos (el que está oculto en la línea 14 ó 15 de tu registro, pero ese será el peligro real).

Galen Low: Me encanta, esa pequeña sección es justo lo que muchos PMs necesitan oír. Y ojo, ¿qué pasa si lideras equipos de PMs? Es una función política, compleja, muchos caen en ella "por accidente", sienten que hacen las cosas "regular" porque no siguen el manual, pero lo que tú dices es lo más valioso: ese contexto extra es tu especialidad.

Eso es lo que necesitas aportar, y la IA es la herramienta, tu colaborador. Te ayuda a ser más productivo, o quizá sólo a serlo de otra manera. Vamos a ello porque tu charla era sobre el yin y yang de la curiosidad y la interrogación estratégica (pensamiento crítico): esa es la clave para manejar bien la IA.

Empecemos con la parte inquisitiva: ¿qué significa para ti tener mentalidad inquisitiva y por qué importa en el mundo de la IA?

Mashhood Ahmed: Antes se decía: "los datos son poder", "el conocimiento es poder", quien tiene más datos va por delante.

Ahora casi diría lo contrario: más datos y más conocimiento pueden ser una maldición si no son relevantes. Hoy puedo encontrar toneladas de datos en internet, y la IA generativa ya rastreó todos esos datos, así que puedes pedirle lo que quieras. Hay mucho ruido. Escribes tres o cuatro frases y te genera cinco páginas que necesitas revisar para sacar lo importante.

Por eso hace falta filtrar el ruido. Y para mí, la interrogación estratégica es: ¿cuál es la pregunta más relevante que le hago a la IA para que realmente me ayude? Y tengo claro por qué es importante. Si no haces la pregunta correcta, la IA te da un sí. Haz cambio de perspectiva: "Ahora responde como otra persona". Haz escenarios "¿qué pasaría si...?"

Plantear esos escenarios consume mucho. Puedo decirte que dos o tres horas trabajando con una IA generativa de forma intensa cansan muchísimo mentalmente. A las dos horas ya estoy saturado. Pero es recomendable: sigue preguntando porque si no preguntas bien, todo será un "sí".

Y como PM hemos tratado con CIOs, CFOs, CEOs, directores, VPs... Y a veces me pregunto cómo llegaron a esos puestos, pero si notas sus preguntas, hacen una o dos que realmente importan. Respondes bien y te ganas su respeto; si no, ya no eres su PM favorito. Esta gente crece porque pregunta lo correcto, en el momento correcto.

Hoy es más crítico aún porque la IA puede hacer mucho, pero la clave es si preguntas lo relevante y qué harás con esa información.

Recibes un informe, ¿qué harás luego? Si sólo dices "hmm, buen informe", ¿qué cambias? Eso es lo que quiero que los oyentes piensen: ¿qué preguntas profundas deben hacer en la próxima reunión para ir a la raíz? Si no vas a hacerlo, cancela la reunión. Nadie quiere reuniones inútiles.

Galen Low: Me gusta mucho. ¿Podríamos repasar un escenario? Me gusta la idea de hacer mejores preguntas y esa intuición de líderes exitosos para preguntar lo justo en el momento justo. Has dicho que a veces pasas horas conversando con tu LLM; quizás algunos oyentes no dedican tanto a eso, pero incluso en 30-45 minutos, ¿cómo sería ese proceso y qué preguntas harías?

Mashhood Ahmed: Por ejemplo, si estoy arrancando un proyecto, le doy acceso a mis documentos (sea Copilot u otra herramienta). Muchas compañías ya tienen Copilot pero no lo usan de forma eficaz. Sé tú quien aproveche al máximo.

Comparte el documento, limita el alcance, y empieza preguntando: "¿Qué está incompleto? ¿Dónde hay huecos? ¿Qué inconsistencias hay? ¿Qué podría cuestionar alguien más?" (usando cambio de perspectiva). Pedimos más presupuesto: ¿qué preguntaría el CFO? Al CEO sólo le importa si cumples el presupuesto; al dueño del negocio, si el proyecto arranca a tiempo; al CIO, la integración o la seguridad de datos. Todos tienen perspectivas distintas; el cambio de perspectiva es clave.

Otra cosa: pido a la IA que me entreviste, que me haga preguntas una a una. Esto reduce la alucinación ya que la IA tiende a suponer cosas cuando falta contexto. Piensa en la IA como un practicante listo pero novato: siempre cometerá fallos. Pon un prompt tipo "hazme preguntas aclaratorias de una en una". Así cada suposición se validará contigo y mejorará la calidad del resultado.

Importante también establecer restricciones y reglas (guardarraíles). Como humanos sabemos qué hacer, pero no qué NO hacer. Sabemos que perder el tiempo es malo pero igual lo hacemos; es el típico "not-to-do list" que nunca formalizamos. Con IA es vital tener una para incluirla clara en los prompts. Lo que no prohibes, la IA tiende a hacerlo, así que mejor poner límites.

Otra técnica: “stacking” de restricciones. Por ejemplo, quiero el resultado en tres puntos, o en una tabla con cinco columnas, o en menos de 200 palabras. Prefiero respuestas pequeñas y construir sobre ellas.

En Copilot puedes indicar "permite ediciones" para que la IA modifique tu documento (Word, PowerPoint...). Pero sé específico: no le des carta blanca para editar todo, porque podrías no saber qué cambia. Recuerda, cuando entregas el informe, tu nombre está ahí; el de la IA sólo viene con un descargo tipo "revisar, la IA puede fallar" pero tú no puedes escudarte así.

Por eso, aunque la IA intervenga, el humano siempre será necesario, incluso con IA agente. Hay que tener humanos en los puntos clave validando y revisando.

Galen Low: Hablemos de la parte de interrogación estratégica. Me encanta que la inquisitividad sea también aprender: a veces vamos rápido por terminar, pero ahora con IA parece que todo debería durar 15 minutos. Pero lo que más me gusta es que describes una conversación que lleva su tiempo, con preguntas que no son evidentes, restricciones que no son obvias y preguntas sobre omisiones o contradicciones.

Como PM, una habilidad es detectar lo que falta y no sólo corregir lo que está. A menudo prestamos atención a lo presente y queremos aportar valor corrigiendo detalles, pero es más útil alejarse y decir: "abreviar, no hagas esto, estos son los límites".

Y está ese aprendizaje, usar la IA no para trabajar más rápido, sino para pensar más en el contexto. ¿Les cuentas a tus LLM todos esos matices (como el stakeholder que dice sí pero luego la decisión la toma otro)?

Mashhood Ahmed: Sí. En el PMP nos enseñan a hacer la matriz de influencia. Algo que sugiero es crear la personalidad de cada stakeholder: puedes tener un agente que lea las transcripciones de reuniones y responda: "¿Qué sé de esta persona que asiste a mis reuniones?" Tú revisas, decides si lo recuerda o no, y ayuda cuando cambias de perspectiva.

Puedes pedirle: "Este es mi patrocinador, lee la transcripción y dime qué personalidad tiene". Quiero hacer una charla sobre DISC profiling (modelo de John Maxwell sobre perfiles) aplicado con IA para stakeholders, usarlo repetidamente y ver cómo la IA mejora.

Galen Low: Me gusta mucho. La clave es aportar el contexto para que la IA dé buenas evaluaciones. Nunca he leído cada transcripción ni he creado perfiles DISC manualmente de cada stakeholder; parece imposible, pero la IA puede ayudarte a obtener percepciones que pueden influir en tus decisiones. Podría ser buen hilo hacia la interrogación estratégica.

Ya hemos dicho que, como humanos, somos responsables. No puedes decir "puede haber errores, pero págame igual". Eso no funciona.

¿Qué es para ti ser estratégico al interrogar los resultados de la IA y cómo equilibra eso con la mentalidad inquisitiva?

Mashhood Ahmed: Es totalmente compatible porque lo estratégico es decidir: ¿en qué debo centrarme? Definir estrategia es elegir sólo una cosa, eliminado el ruido.

En cualquier documento estratégico siempre hay tres o cinco puntos clave porque así funciona la memoria humana. Piensa en lo verdaderamente importante en el contexto: qué importa, qué no y qué es ruido. Comprender eso da valor real, porque la IA puede hacer todo el trabajo duro, pero tú seleccionas lo verdaderamente valioso para tu informe, banco de conocimiento, perfil de stakeholders, etc.

Decides qué mostrar en la presentación ante la junta y qué omitir, porque tú conoces a tus stakeholders. Tú sabes leer la sala, y la IA no presenta ante el consejo ni responde preguntas: eres tú. Por eso es vital preguntar lo correcto, en el momento adecuado y para cada proyecto. Saber qué preguntar y cuándo es un skill crítico.

Galen Low: Es curioso, porque podríamos quitar "IA" de esta conversación y poner "subordinados" o "colaboradores" y seguiría siendo aplicable. Y a veces, el brief que doy a la máquina acaba siendo más detallado que el que daría a un humano porque suponemos que la persona ya buscará el contexto, pero deberíamos educar a los humanos como educamos la IA acerca de matices de proyectos, política y estrategia.

Ayudas a organizaciones a fomentar mentalidad inquisitiva y estrategia en IA. Has dicho que, al final, quien decide qué presentar eres tú.

¿Le das feedback a tu LLM diciendo "No incluiré esto por tal razón, ahora hago la presentación", o simplemente lo dejas pasar y lo decides tú? ¿Y cómo ayudas a la gente a adoptar esa mentalidad? ¿Cómo identificas quién no lo hace y cómo los llevas al punto donde saben qué preguntar?

Sé que son dos preguntas distintas.

Mashhood Ahmed: Sobre si le das feedback a la IA, es muy importante. Recomiendo a todos que investiguen las "system prompt", las instrucciones personalizadas y la memoria.

No entraré en detalle aquí, pero busca: qué es cada cosa, en Outlook, Copilot, ChatGPT o Claude tienes funciones para ello. Así estableces límites y reglas. Incluso con todo bien configurado, la IA cometerá errores: debes aprender a detectarlos. Es una habilidad clave que hay que desarrollar.

En cuanto a quienes están indecisos, siempre pasa. Ocurrió hace décadas con Internet: muchos decían "yo sé dónde está todo, no lo necesito". Pero si te ausentas, el equipo no sabe qué hacer (ahí nació la base de datos online). Ahora eso es indiscutible.

Otra pregunta frecuente es: ¿esto va a impactar mi empleo? ¿Está en riesgo? Diría sí y no. No hay respuesta definitiva; depende del contexto. Pero lo que hemos visto históricamente es que las profesiones cambian; siempre emergen nuevas herramientas y tecnologías. Hace 25 años nadie conocía los roles de cloud engineer o ingeniero de virtualización; tampoco existían los proyectos de centros de datos como hace 15 años, cuando montar uno llevaba meses y ahora en horas lo tienes en AWS, Azure o GCP.

Así que hay que asumir que el tipo de proyectos del futuro será diferente al de hoy, y la única manera de prepararse es aprender las herramientas más recientes y ser conscientes de los puntos ciegos, propios y de la herramienta. Los modelos de IA cambiarán, mejoran unas cosas y empeoran otras (hay un término técnico: drift de prompts o modelos). Necesitamos mantener ojo crítico, porque hay mucho ruido.

Un prompt de cinco líneas puede generar un documento de siete páginas: leerlo bien puede tomar 30 minutos, editarlo mal puede consumir el día entero. Ten en cuenta que aún se requiere discernimiento humano, porque al final tú eres quien presenta; tú entiendes la complejidad humana. Diferentes culturas presentan matices, pero hay patrones comunes, y lidiar con eso va a exigir otra mentalidad.

Galen Low: Me gusta mucho. ¿Podrías contarnos una historia breve, de principio a fin? Empezamos hablando de preguntas y respuestas genéricas y acabamos en mentalidades inquisitivas y estratégicas. ¿Qué síntomas ves en equipos que sólo usan IA de modo genérico y cómo los llevas hacia una mentalidad más avanzada? ¿Cuál es el beneficio después?

Mashhood Ahmed: En mi experiencia, lo más simple es mostrarles algo así. Por ejemplo, el experimento del dado que expuse al inicio del pódcast. Entender que la entrada genérica da salida genérica suele sorprender. Una vez alguien me dijo: "¡Es magia, has hackeado la IA!" Pero no, sólo es estadística.

Así entienden que la IA funciona por patrones. Para elevar al equipo, identifica a los "campeones internos de IA", involúcralos en talleres, Tech Tuesday, charlas tipo lunch&learn, con ejemplos simples. No lances procesos complejos desde el primer día: ve poco a poco. En un cliente actual (una universidad en EE.UU.), sólo les dimos lo básico de IA y prompts, y un 70% reportó mayor confianza, pasando de 19% a más del 70% en solo dos horas de sesión. El 90% recomendaría esa capacitación a colegas porque hay que partir del nivel de cada quien (la de RRHH que no es técnica, el de compras que sabe de proveedores). Dales tiempo, pequeñas tareas, y pide feedback.

Si eres admin, analiza patrones de uso de Copilot, tokenización mensual y vigila el costo, porque si todo el mundo empieza a usarlo masivamente puedes toparte con límites.

Galen Low: Claro.

Mashhood Ahmed: Así que, revisa la gobernanza, políticas, el "not-to-do list" y los riesgos. Hay muchos ejemplos de IA haciendo lo que no debe por falta de límites y políticas. Un caso de hace dos años: Air Canada—un cliente consultó por un descuento para vuelo tras la muerte de su abuela. El chatbot ofreció el descuento, pero la empresa no tenía tal política; después de ir a juicio, Canadá tuvo que aceptar la rebaja, generando un caso mediático que aún se recuerda. Todo por falta de gobernanza y límites claros.

Piensa antes de habilitar la IA: ¿qué puede salir mal? Hazlo progresivo y observa cómo evoluciona cada equipo, porque cada organización y problema es único.

Galen Low: Me gusta ese equilibrio. Y valoro mucho tu trabajo en la formación para esa universidad: empezamos hablando de síndrome del impostor y comparando lo que vemos en LinkedIn ("unos lo hacen mejor que otros"). Pero si trabajas juntos y compartes los aprendizajes todos sienten más confianza y dejan atrás el síndrome del impostor. Ahí es donde crece la confianza.

Así, la mentalidad inquisitiva y la interrogación estratégica también son aprendizaje. Toma tiempo, pero fortalece tu criterio y te ayuda a resistir la tentación de preguntar mal o aceptar respuestas insípidas de la IA para salir del paso. Así obtienes resultados de calidad con los que te identificas, que demuestran tu valor y ponen a la IA en su verdadera dimensión: muy poderosa pero con límites. Algunos creen que uno hace magia, otros que la IA lo resuelve todo. La realidad es que humanos y máquinas sobresalen y fallan en áreas distintas, y el reto es encontrar el equilibrio.

Mashhood Ahmed: Algo que siempre menciono en mis charlas sobre IA de hace años es que la habilidad clave es desaprender y reaprender.

Piensa en ello: en Lean Six Sigma y otras metodologías lo de mantener el statu quo es el principal obstáculo. Llevas veinte años haciendo lo mismo, pero eso hoy ya no es igual de efectivo o eficiente, sólo te da el resultado esperado. Pero lo realmente difícil es desaprender viejos hábitos y estar abiertos a aprender nuevos skills. Eso exige una apertura que no todos tienen o quieren tener. Por ejemplo: hace 25 años mi padre, arquitecto, cuando llegó AutoCAD se negó a usarlo; contrató a alguien que lo hiciera y él sólo firmaba los documentos. En su tiempo funcionó; aquí será parecido: algunos lo intentarán, otros no. Pero la clave es saber qué desaprender y qué aprender, aunque romper hábitos es dificilísimo. Recomiendo leer sobre cómo forjar nuevos hábitos, porque desaprender y reaprender da para largo.

Galen Low: Me gusta mucho. Curiosamente, en esta conversación el "espacio negativo" lo es todo: no es sólo lo que está sino lo que falta, no sólo las preguntas hechas sino las no hechas, no sólo lo aprendido sino lo que hay que desaprender para dar paso a algo más. Has destacado bien el pensamiento crítico, que muchos temen perder con la IA. A veces, si la IA parece tener todas las respuestas, dejamos de ser curiosos, pero en realidad ahora es el momento ideal para aprender y pensar críticamente, convertirnos en los líderes del futuro, desarrollar el ojo experto (como tu padre) para revisar, cuestionar y firmarlo con confianza. Porque ser responsable por decisiones de otros—humanos o IA—es lo clave, no limitarse al área de la IA.

Mashhood Ahmed: Otro riesgo de la IA que menciono en gestión de riesgos es la sobredependencia, que daña nuestra capacidad de pensar y resolver problemas (ningún MBA enseña esto, lo aprendemos de niños, incluso antes de ir al colegio: pensar críticamente y estar atentos al entorno). La sobredependencia en IA se vuelve un problema: la gente publica posts o informes con errores que no corrigió, y a mí también me ha pasado omitir revisar tal frase generada por IA.

Galen Low: Sí.

Mashhood Ahmed: Eso ocurre, pero lo clave es ser consciente, aprender y corregir, porque tu reputación está en juego. Tenemos que buscar el valor que aportamos que la IA no puede reemplazar.

Galen Low: Me encanta. ¿Puedo ponerte en un aprieto? ¿Qué es algo que has desaprendido?

Mashhood Ahmed: Aceptar que la IA puede hacer cosas que antes hacía yo, o incluso hacerlas mejor. El inglés no es mi idioma nativo; antes cometía montones de errores y tenía suscripción a Grammarly, que ya cancelé. Hay que aceptar tus limitaciones y no obsesionarte con corregirlas todas. Por ejemplo: lo del Oxford comma y la puntuación (algunos lo consideran crucial), pero puedes decirle a la IA: "Quiero tal estilo", y lo seguirá. Aun así, hay que prestar atención. Así que la clave es aceptar lo incómodo, cuestionar siempre y pensar qué es relevante para tu caso. Ese es el mensaje clave de esta charla.

Galen Low: Me quedo con que uno no tiene que ser el mejor en todo como humano frente a la IA.

Mashhood Ahmed: Así es.

Galen Low: Gracias, Mashhood, por acompañarnos hoy. Ha sido un placer. Para quienes deseen saber más de ti, ¿dónde pueden encontrarte?

Mashhood Ahmed: Pueden buscarme en LinkedIn, ahí publico contenido interesante. También pueden ver mi web mashhood.net. LinkedIn es lo mejor para seguirme. Si usan TikTok, subo contenido ahí también, aunque no tan seguido. Y pueden ver mis videos de eventos y pódcast, con clips de uno o dos minutos sobre cosas prácticas que pueden aplicar.

Galen Low: Perfecto. Haré incluir los enlaces a tu LinkedIn, TikTok y web en las notas del episodio para quienes estén interesados.

Solo decirte gracias nuevamente. Ha sido una charla genial.

Mashhood Ahmed: Fantástico. Muchas gracias y con ganas de ver este pódcast publicado pronto.

Galen Low: Bien, eso es todo por hoy en el pódcast Digital Project Manager. Si te gustó esta conversación suscríbete allá donde nos escuches. Y si quieres aún más recursos y casos prácticos, crea una cuenta gratuita en thedigitalprojectmanager.com.

Hasta la próxima, gracias por escucharnos.