Por qué las personas inteligentes obtienen resultados genéricos de la IA

Galen Low: Seamos realistas, todos estamos cansados de revisar entregables, informes y actualizaciones de estado que parecen hechos por una IA genérica. Pero aunque es fácil culpar a la tecnología y dejarlo ahí, hay algo más detrás de esto. La mayoría de las personas obtienen resultados genéricos de la IA porque hacen preguntas genéricas. Y la mayoría hace preguntas genéricas porque o no entienden cómo funciona la tecnología, o no tienen la confianza para desafiar a la IA, o sienten el síndrome del impostor entre sus pares, o a veces, todo lo anterior.

Como resultado, mucha gente está perdiendo las habilidades que más necesitamos en este momento: la curiosidad y la capacidad de pensar críticamente. Para ayudarnos a mejorar eso en nuestros equipos, he traído a un experto y educador en IA empeñado en elevar la marea para que todos mejoren, de modo que el síndrome del impostor, los prompts mediocres y los resultados genéricos de la IA sean cosa del pasado. Y para que lo que los humanos aportamos vuelva al centro de atención. Espero que disfrutes el episodio.

Bienvenidos al pódcast de Digital Project Manager, el programa que ayuda a líderes de delivery a trabajar de manera más inteligente, entregar proyectos sin sobresaltos y liderar a sus equipos con confianza en la era de la IA. Soy Galen y cada semana profundizamos en estrategias del mundo real, tendencias emergentes, marcos comprobados y alguna que otra anécdota desde la primera línea de la gestión de proyectos. Ya sea que estés liderando grandes proyectos de transformación, gestionando flujos de trabajo con IA o simplemente tratando de mantener bajo control el caos, este es tu lugar. ¡Vamos allá!

Hoy vamos a hablar 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 que encuentren la combinación entre ser inquisitivos y analizar estratégicamente los resultados que sus herramientas de IA les dan.

Vamos a recorrer un marco práctico para lograr que los equipos hagan mejores preguntas y evalúen los resultados de manera crítica, y el impacto que esto puede tener en la estrategia global de IA de una empresa. Y hablaremos también de la atrofia de habilidades y cómo mantener a los equipos en desarrollo 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 y ofrecer programas de habilitación de IA generativa que generan impacto tangible. Utilizando un marco comprobado de adopción de GenAI en cuatro niveles, que abarca desde la alfabetización organizacional en IA, flujos de trabajo específicos por departamento, automatización agentiva y programas de formación, Mashhood ayuda a los equipos a avanzar con IA de una forma que pone la creatividad humana al frente.

Para hacerlo posible, Mashhood aporta 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 forma en que realmente se trabaja.

Mashhood, muchas gracias por acompañarme hoy.

Mashhood Ahmed: Muchas gracias, gracias por invitarme.

Galen Low: Estoy muy emocionado por entrar en detalle.

He visto varias de tus charlas sobre este tema, y creo que el enfoque es muy equilibrado y realmente me ha llegado, tu perspectiva sobre cómo mirar la IA en su implementación y en su integración en el trabajo. Me parece muy pragmático, así que tengo muchas ganas de profundizar hoy.

Has colaborado con nosotros en The Digital Project Manager en varias ocasiones. Tu mensaje siempre resuena. Así que pensé que podríamos empezar con una pregunta grande y de ahí ir donde nos lleve la conversación. Me gustaría abordar qué significa tener una mentalidad inquisitiva respecto a la IA y por qué eso importa, qué pasos podemos dar con nuestros equipos para equilibrar esa curiosidad interrogando estratégicamente los resultados y, también, qué está en juego para el futuro de la tecnología de IA si nuestros equipos siguen operando con preguntas superficiales y aceptan resultados genéricos tal cual cuando interactúan con la IA.

Sí, sé que es mucho, ¿qué te parece?

Mashhood Ahmed: Perfecto.

Galen Low: Muy bien. Comencemos. Voy a empezar con una pregunta amplia, ya que trabajas con varias organizaciones, ayudándoles a familiarizarse con la IA para integrarla en sus modos de trabajo.

Pero te he oído hablar de gente que utiliza preguntas genéricas y obtiene resultados genéricos y se queda con ellos. Así que te pregunto, si tuvieras que adivinar, ¿qué porcentaje de las personas que usan IA en un contexto profesional solo obtienen resultados promedio y genéricos, creyendo que eso es lo máximo a lo que pueden aspirar?

Mashhood Ahmed: Muy buena pregunta. ¿Qué porcentaje de personas usa la IA de forma genérica y obtiene respuestas genéricas? Creo que alrededor del 40 al 50% de las personas lo hace. Y yo les haría un pequeño test a todos los oyentes, ¿vale? Para que entiendan a qué me refiero con respuestas genéricas de la IA. Casi todos hemos jugado alguna vez en la vida a un juego con un dado.

Lo que quiero que hagan, y he hecho este experimento con cientos de personas, veinte personas en una sala, y siempre obtengo respuestas similares. Abran Copilot en una pestaña, en otra ChatGPT, en otra Gemini y otra cualquiera, ¿vale?

Prueben cuatro o cinco. Normalmente en salas grandes uso una sola herramienta, pero aquí prueben varias para experimentar por sí mismos. Y escriban un simple prompt: "Lanza un dado de seis caras por mí." Cuando ejecuten ese prompt, la mayoría de las IA generativas les dará el número cuatro, ¿vale?

Como decía, lo he hecho con cientos de personas en una sala. Normalmente, el 85% al 90% de las personas obtienen cuatro. Algunos pocos consiguen otros números. Y he recibido comentarios de gente usando ChatGPT, Gemini, Claude, Groq, Perplexity, y más. Todos cometen el mismo error.

Lo que ocurre es que cuando le pides a la IA que lance un dado, en realidad no sabe cómo hacerlo. Estadísticos y matemáticos han enseñado a la IA que, si necesitas lanzar un dado, tienes seis opciones, sacas el promedio, y si hace falta, lo redondeas, y das esa respuesta mediocre.

Así que cuando obtienes un cuatro, el promedio es 3.5, lo redondea y sale cuatro. Por eso el 80% al 90% de las veces te responderá cuatro. Ahora, quiero que prueben algo más. Escriban en la misma ventana otro prompt: "Lanza un dado de seis caras por mí, con la misma probabilidad en cada cara" y añadan algún comentario sesgado como "quiero el número más alto o el más bajo", o algo loco, ¿vale?

He visto a gente poniendo todo tipo de prompts, y a veces recojo los resultados. Ahí verán que cada vez reciben una respuesta más equilibrada porque le han pedido un dado bien mezclado o bien agitado. Y esto demuestra que si haces una pregunta genérica, "Lanza un dado de seis caras por mí", saldrá el número cuatro el 80-90% de las veces.

La razón es que la IA no entiende el contexto. No sabe de tu proyecto, ni de tu criterio, ni tiene el juicio humano que aplicamos. Por eso es importante que tu prompt o tu agente tenga tanto contexto y restricciones como sea posible para obtener una buena respuesta.

Galen Low: Me encanta. De hecho, abrí algunos LLMs ahora y tienes toda la razón. Tenía tres pestañas abiertas. Dos sacaron un cuatro y una un seis. Aún no he probado el tema del contexto, pero creo que es totalmente acertado. Y claro, ni tú ni yo hemos hecho una investigación profunda, ni somos estadísticos estrictamente hablando.

Pero ese rango del 40-50% que mencionas… Estoy de acuerdo. Hay tanta gente que sigue usando la IA como si fuera Google, con un prompt de cuatro o cinco palabras, que puede no estar tan mal en ciertos contextos. Pero creo que, dada la complejidad de los proyectos que gestionamos y la gente con la que trabajamos, hay un montón de historia y conocimientos entre nuestras orejas que la LLM no ha entrenado.

Si no lo decimos, dará resultados genéricos. Y lo que más me gusta y más odio de la IA generativa ahora es que es tan convincente… Y la gente publica esto. No es nada nuevo. Pero se ve tan bien y convincente que hasta te dice que eres genial y quieres usarla tal cual.

Piensas, "Listo, terminé." Es mucho más pulido de lo que yo habría hecho, así que lo tomo y sigo adelante. Y luego veremos por qué hacemos eso. Pero otra cosa es que se ve tan convincente, aunque sea mediocre.

Mashhood Ahmed: Sí. Yo uso un truco llamado cambio de perspectiva o de persona. ¿En qué consiste? Tomas tu informe, carta del proyecto o cualquier documento o email, y pones un prompt de cambio de persona, algo así como "Ahora lee este email/documento desde la perspectiva de alguien que apoya o no este proyecto," añadiendo contexto de esa persona.

Y verás la respuesta. Entonces puedes decidir si editas el documento, o si guardas esa pregunta y te preparas para responderla en tu próxima reunión o cuando presentes el proyecto ante el consejo o una gran audiencia, ya tienes preparadas las respuestas.

Esto es importante porque, en proyectos, podemos perder perspectiva por el ruido, y podemos usar la IA para cambiar de persona. Por ejemplo, mirar desde el punto de vista del CFO, que no está convencido de gastar 1.4 millones en salvar el proyecto. Es diferente contexto.

Además, a veces ni pensamos en esas cosas siendo project managers porque vamos a mil. Si la IA nos puede ayudar con el resto del trabajo, ahí es donde el project manager puede centrarse en el pensamiento crítico y hacer las preguntas adecuadas. Eso es clave, y a eso le llamo mentalidad inquisitiva, de la que hablaremos ahora.

Galen Low: Excelente. Vamos a eso. Me encanta porque, en realidad, en muchos casos no se trata de que la IA haga el trabajo por ti, sino de ayudar a construir empatía con los interesados para no verse sorprendido. Normalmente te sorprenden cuando no anticipaste la mentalidad de alguien más.

Vamos a ver eso, pero antes de alejarnos demasiado quería mencionar que te he visto usar síndrome del impostor en tus charlas y posts, y para quien no lo sepa, es cuando profesionales exitosos sienten que han engañado a sus colegas y tal vez no merecían el éxito.

En el contexto IA creo que es algo diferente de solo no merecer éxito. Te paso la pregunta. ¿Qué tiene la IA que dispara el síndrome del impostor y cómo afecta nuestro enfoque hacia la IA?

Mashhood Ahmed: Hay varias cosas que provocan el síndrome del impostor, la sensación de estar quedándose atrás.

No entiendo suficiente, o todos los demás lo logran. Lo primero es que es invisible. Nos acostumbramos al input-proceso-output. Así, desarrollamos nuestra carrera: damos un input, algo lo procesa y entendemos el flujo de trabajo. En la era IA, el flujo cambia según el contexto y el detalle del prompt.

Se convierte en una caja negra, y nos incomoda. A veces me incomoda, porque en una demo en vivo, tres veces me falló la demo, aunque funcionaba siempre. Así que incomoda.

Es una caja invisible. Otro factor, entras en LinkedIn o redes y parece que todos lo hacen, pero no todos lo hacen bien. Yo sigo aprendiendo. Además, como project manager o PMO manager, nos acostumbramos a saber todo lo que ocurre en el proyecto.

Por qué hay riesgos, problemas con proveedores, etc. Si me llaman a una reunión, puedo explicar el historial de cualquier proveedor. Aquí todo es invisible, eso incomoda, y causa síndrome del impostor porque perdemos el control.

Los humanos tendemos a querer controlar. Esa es una característica muy humana. Cuando el control pasa a la máquina, nos asusta.

Ahí entra el síndrome del impostor, porque no sabemos qué dirá la máquina, y debemos verificar todo. Eso genera mucho ruido y trabajo extra.

Hace más trabajo que valor. De ahí que la mentalidad inquisitiva, el ruido y otros temas sean importantes, y que discutiremos hoy.

Galen Low: Es interesante, porque en cierto modo son dos cosas. Uno es, según la definición más frecuente... ¿está bien dicho? Bueno.

La definición popular de síndrome del impostor es sentirte un fraude porque todos parecen ser mejores. El feed de LinkedIn, el peor lugar para la confianza en IA. Es como, "Siete cosas que haces mal con tu prompt."

"Por qué tus agentes siguen fallando." Y dices, "Dios, estoy terrible." El otro aspecto es lo que decías, Es fácil ver los resultados y no querer criticarlos. Y es lo humano pensar, "Parece terminado."

Como PM, recibes entregables al 98% o 100% completos, y si haces devolución, con la deadline al día siguiente, hay que rehacer, deshacer y reconstruir todo.

Aquí es: A, caja negra como decía; B, parece listo; y C, si no tienes la confianza: "Bueno, la IA es más lista que yo. ¿Qué sé yo comparado con esto entrenado con todo el internet, la historia de la humanidad desde la era de la información?"

¿Qué sé yo comparado con esto? Pero su punto débil es el contexto, lo que se dijo en esa reunión, qué interesado está en contra o el riesgo. Hay tanto en tu cabeza que la IA no sabe, por eso la colaboración es esencial.

Mashhood Ahmed: Hay un viejo dicho que se me viene, el diablo está en los detalles, ¿no? Parece un producto terminado pero siempre hay detalles a revisar. Por ejemplo, como project manager, tienes la transcripción de la reunión, pero sabes que el interesado que dijo sí en realidad piensa tal vez.

No compra totalmente tu idea o situación. El director firma el acta o documento UAT o go live, pero no será quien realmente trabaje contigo.

Es otra persona, quizás analista, que escucha y con el que necesitas su aprobación. Y eso te lo da la experiencia. Son habilidades de pensamiento crítico.

Vamos a hablar de por qué el pensamiento crítico es tan importante hoy, porque es más necesario que nunca. Entiendes la política, las personas, las dinámicas. Lo que funciona en tu organización puede no servir en otra. Hay PMOs, plantillas, el PMI da pautas.

Jamás he hecho un proyecto que siga un solo método o algo estándar. Porque siempre depende de la situación, y ahí interviene el humano para decidir qué aplica en cada caso. Conoces a tus interesados, patrocinadores, equipo, riesgos. Riesgos enterrados en la fila 14 o 15 del registro de riesgos, pero que igual pueden activarse. Todo eso es experiencia humana.

Galen Low: Me encanta. Solo esa parte es lo que muchos directores de proyecto necesitan oír, y lo que intento enfatizar si lideras equipos de PMs, un rol ya político, complejo, lleno de síndrome del impostor.

Muchos caen por accidente en ese rol. Sienten que no lo hacen bien si no siguen el libro, y parece que actúan de intuición. Pero eso es lo valioso. Es el contexto extra.

Esa es tu especialidad, y la IA es la herramienta para colaborar, para usar tu conocimiento de forma que seas más productivo. Bueno, vamos a profundizar, porque vi en tu charla lo del yin y yang entre curiosidad y análisis estratégico, el pensamiento crítico, y que esa es la clave para aprovechar la IA.

Comencemos con la curiosidad. ¿Qué significa para ti tener una mentalidad inquisitiva? Y, de nuevo, ¿por qué es importante en la IA?

Mashhood Ahmed: Antes oíamos que el dato es poder, el conocimiento es poder, quien tiene más datos lidera la tecnología.

Creo que es opuesto hoy. Cuantos más datos y conocimientos, puede ser una maldición. Necesitas datos e información relevante. Ahora puedo encontrar toneladas de datos sobre cualquier cosa en internet, y la IA generativa lo ha rastreado todo, así que puedes pedirle cualquier tipo de dato. Está disponible al instante.

Pero hay mucho ruido. Escribes un prompt de tres, cuatro líneas y tienes un documento de cinco páginas para leer y ver qué es lo que importa de verdad.

Todo ese ruido es input. Y la interrogación estratégica, como yo la llamo, es hacer la pregunta.

En palabras simples, ¿cuál es la pregunta más relevante que debo hacerle a la IA para que me ayude? Debo entender por qué es importante. Si no haces la pregunta correcta, la IA te dará la respuesta que deseas. Haz un cambio de persona. Mira desde otra perspectiva.

Entonces ocurren escenarios de "¿Y si...?" Poner todos esos escenarios es muy demandante. Te digo por experiencia, dos o tres horas trabajando cognitivamente con una IA generativa cansa mucho.

Sí, literalmente me cansa. Dos horas continuas con IA y mi mente se satura. Necesito un descanso. Bien. Sigue preguntando, porque si no, obtienes respuestas tipo sí. Eso para empezar.

Otra cosa para pensar es, como PM, hemos tratado con CIOs, CFOs, CEOs, directores, VPs y todos esos perfiles. A veces me sorprende cómo esa persona llegó tan lejos. Pero todos tienen algo en común: cuando se acercan a mí, hacen una o dos preguntas que realmente importan, que realmente profundizan.

Si respondo bien, gano su respeto, si no, me descartan. Esas personas progresan porque saben preguntar en el momento adecuado.

Y es aún más crítico preguntar las preguntas correctas porque la IA puede hacer mucho por ti. Si preparas bien tus agentes, la IA hace gran parte del trabajo en segundo plano. Pero lo importante es: ¿estás preguntando lo que realmente importa en este momento y qué harás después?

¿Qué harás con esa información? ¿Vas a cambiar algo? Genial. Si solo piensas "Oh, este informe es bueno, tiene tal cifra", bien. Pero, ¿qué cambia realmente?

Esas son las verdaderas preguntas que debemos hacernos. Recomiendo a quienes oigan este pódcast que pausen aquí y pregunten: "¿Cuáles son las preguntas profundas que debo hacer en mi próxima reunión que realmente vayan al grano?"

Si no vas a hacer esas preguntas profundas, mejor cancela esa reunión. La gente odia las reuniones.

Galen Low: Eso me gusta. De hecho, me pregunto, para los que retomen tras esa reflexión, ¿podemos caminar por un escenario de ese tipo? Me gusta la idea de hacer mejores preguntas.

Y que quienes admiramos en la organización suelen ser los que parecen tener el instinto de preguntar lo adecuado en el momento justo. Decías que conversar con un LLM puede llevarte una, dos o tres horas, y no todo el mundo hace eso, pero incluso una charla de 30-45 minutos preguntando lo correcto... ¿Podemos recorrer un ejemplo y ver qué preguntarías?

Mashhood Ahmed: Preguntas que haría… Imaginemos que trabajo en un nuevo proyecto. Le daría acceso a mis documentos.

Hoy en día muchas empresas usan Copilot, pero pocos la usan bien. Sé la persona de tu equipo que realmente lo aprovecha. Comparte tus documentos, define los límites de acceso, y empieza a preguntar: "¿Qué está incompleto? ¿Qué huecos hay? ¿Qué inconsistencias hay en estos documentos? ¿Qué cosas puede cuestionar otro?" Son preguntas tipo cambio de perspectiva. Si pides más presupuesto, ¿qué preguntaría el CFO? A él solo le importa si está dentro del presupuesto.

El responsable del negocio se preocupará de que el proyecto se lance a tiempo. El CIO igual va a lo técnico o la seguridad. Cada uno con su perspectiva. Así, el cambio de persona ayuda.

Pídele que haga el cambio de persona. Por ejemplo, trabajo en un proyecto creando contenido nuevo y le pregunto a la IA generativa: "¿Qué inconsistencias hay?" ¿Qué es redundante, qué ya he cubierto? Repetir ayuda, pero a veces es demasiada redundancia.

Luego digo: «Ayúdame paso por paso». Otra técnica de prompting útil es pedirle a la IA que me entreviste, que me pregunte uno a uno. ¿Por qué? Porque las alucinaciones suceden cuando no damos contexto suficiente.

Así que IA asume cosas: si acierta, todo bien; si no, inventa y tú piensas "Esto está mal". Hay que entrenar a la IA como entrenarías a un becario.

Imagina que es alguien recién titulado con un MBA o PMP. Listo y capaz, pero comete errores de principiante. Pon un prompt: "Hazme preguntas de aclaración una por una". Así, cualquier suposición la verifica contigo.

¿Por qué una a una? Porque si dices "Hazme preguntas de aclaración", hace cuatro de golpe, tú respondes solo a una y asume que contestaste todas. Forzando pregunta-respuesta, mejora la calidad de las respuestas de la IA y lo que obtienes es mucho más útil.

La otra clave: establecer restricciones o límites. Como humanos, somos muy buenos sabiendo qué hacer, pero pésimos definiendo qué no hacer. Sabemos que el doomscrolling no es bueno pero igual lo hacemos. Es como una lista de cosas que no debes hacer, pero casi no existe. En IA, es fundamental tener esa lista de prohibiciones y ponerla como guardarraíl en agentes o prompts para poder verificar y hacer preguntas bien concretas, porque si no le pides a la IA que no haga algo, suele hacerlo.

Es mejor dejar claros los límites. Otra idea: acotar la respuesta. Por ejemplo, tres puntos clave, una tabla de cinco columnas, respuesta de 50, 200 o 1000 palabras. Personalmente prefiero respuestas breves y construir sobre ellas.

Copilot, por ejemplo, te permite editar documentos diciendo "haz estos cambios y permite edición". Así, Corrige presentaciones, layouts; ya no tengo que hacerlo manualmente. Le toma algo más de tiempo, pero queda bien. Sé específico si pides que edite: no le des un cheque en blanco para que toque todo porque no sabes qué cambiará. Cuando presentas un informe, sale tu nombre.

Cuando recibes respuesta de una IA, dice "Generado por IA, revisa por si acaso. Puede haber errores". No puedes poner el mismo mensaje en un informe con tu nombre: "Desarrollado por Mashhood, pero generado por IA. Verifica." Sería ideal tener ese descargo, pero no se puede porque tu nombre está en juego. Así que hay que entender que hay una parte humana que no se puede obviar. El humano en el proceso siempre será necesario. Incluso con IA agentiva, necesitamos un humano en puntos clave para verificar y seguir adelante.

Galen Low: Pasemos al análisis estratégico. Antes, quiero resaltar cómo la curiosidad y preguntar lo correcto es también aprender. Somos buenos haciendo, como decías: queremos completar tareas. A veces tan rápido como podamos porque quizás pensamos que la IA lo espera, o nos exigen hacerlo en 15 minutos si tenemos Copilot o LLMs. Pero realmente me gusta tu descripción de la conversación prolongada, hacer preguntas no evidentes, poner límites de lo que no hay que hacer, preguntar sobre lo que falta o contradice.

Como PM, esto lo haces por instinto, y cuando lideraba equipos, siempre insistía: no devuelvan feedback solo sobre lo presente, sino también sobre lo que falta, aunque cuesta verlo. Normalmente señalamos lo que está, pero nos cuesta ver lo que no está; y si no encontramos nada criticable, nos vamos a los detalles, solo para marcar valor.

Pero lo importante es ampliar la vista: cuando das instrucciones, di lo que NO hay que hacer, explica tus restricciones. Me gusta lo de construir por pasos, porque a veces obtienes siete páginas de outputs y pierdes el día leyéndolas, en vez de trabajar juntos en pequeños bloques e integrarlo después.

Y entiendo el valor de aprovechar el tiempo adicional no solo para completar tareas sino para aprender más y reflexionar sobre el contexto. Una pregunta antes de seguir. ¿Das a tu LLM esos matices, por ejemplo lo que mencionaste de que ese interesado dirá sí pero luego quien decide es otro?

Mashhood Ahmed: Sí. En el PMP nos enseñan a hacer una matriz de influencia. Una recomendación que hago es crear perfiles de cada interesado.

Con un agente puedes revisar todas las transcripciones de las reuniones y ver "¿qué sé sobre esta persona que participa?" Luego lo revisas y eliges si conservar esa información. Eso ayuda a que la IA entienda el contexto.

También ayuda cuando haces el cambio de persona. Puedes decir, "Este es mi sponsor. Lee la transcripción y dime qué tipo de personalidad tiene". Otro tema que quiero abordar es el perfil DISC. Es un concepto de John Maxwell: haré una charla sobre usar IA para crear perfiles DISC de los interesados y usarlos con el tiempo, ya verás que la IA mejora mucho.

Galen Low: Eso me gusta. Una idea muy interesante. De nuevo, debemos aportar el contexto para obtener buena información. Además, jamás me sentaría a leer todas las transcripciones de las reuniones y crear perfiles DISC de cada stakeholder.

Parece que tomaría demasiado tiempo, pero ahí la IA sí puede hacer trabajo de fondo para luego informar tus decisiones y a su vez influir en tus propias decisiones. Y eso nos lleva al tema del análisis estratégico.

Ya lo hemos tocado antes: como humanos seremos responsables; no puedes decir: "Lo siento, mi trabajo puede contener errores pero págame igual". Por alguna razón eso nunca funciona.

¿Qué significa para ti ser estratégico en tu análisis de las salidas de la IA y cómo se equilibra eso con la mentalidad inquisitiva?

Mashhood Ahmed: Se equilibran muy bien, porque estratégico significa… ¿Qué es estrategia? Para mí es una sola cosa: ¿a qué debo dedicar mi esfuerzo? Estrategia es enfocarse en lo más relevante y eliminar el ruido.

Y normalmente, cualquier documento estratégico contiene tres o cinco puntos, porque es lo que nuestra memoria humana retiene.

Piensa: ¿qué es lo importante en este contexto? ¿Qué no lo es? ¿Qué es ruido? Entender eso te da valor porque, aunque la IA haga el trabajo pesado, tú decides "esto es valioso, esto vale la pena poner en un informe, en el banco de conocimientos, en el perfil del stakeholder, o me ayuda a prepararme porque no quiero poner esto en la presentación, pero sé que si uso esa palabra, la reunión se irá por ahí".

No lo incluyo, pero sé que alguien seguramente me lo preguntará. Ayúdame a prepararme. Ahí está el valor del análisis estratégico y la mentalidad inquisitiva.

Decidir qué preguntas hacer, cuándo, es crítico, y es lo más importante para mí. La IA puede hacer casi cualquier cosa. Pero ¿le pides que haga lo correcto en este momento?

Galen Low: Es curioso porque podría releer esta conversación y eliminar IA, poner "colaboradores directos" y todo seguiría siendo válido. Invertimos mucho en dar contexto, desafiar resultados y dar feedback a máquinas, y lo mismo nos habría ayudado a liderar humanos. A veces doy a la IA un prompt más detallado que el brief que daría a una persona, suponiendo que ella entiende el contexto, pero realmente podríamos formar mejor a nuestro equipo igual que a nuestros LLMs, sobre matices, políticas, prioridades...

Ayudas a muchas organizaciones a dar ese paso combinando curiosidad y análisis estratégico. Has dicho que, ante un output —ya sea humano o IA—, eres tú quien decide qué mostrar a los interesados, qué presentar al consejo.

¿Das feedback a tu LLM diciendo, "Gracias, no incluiré esto por esta razón, ahora haré la presentación"? ¿O simplemente lo decides y ya está, sin entrenar a la máquina a pensar de otro modo?

Después de eso, ¿podrías contarnos cómo logras introducir esta mentalidad en la gente, algunos síntomas de no usar esa combinación de curiosidad y análisis y cómo los llevas a saber qué preguntar?

Argumentalmente, son preguntas diferentes, pero en fin.

Mashhood Ahmed: Sobre si doy feedback a la IA generativa sobre sus respuestas, es importante. Quiero que todos los oyentes busquen qué es un prompt de sistema, instrucciones personalizadas y memoria.

No lo explicaré todo aquí, pregúntaselo a cualquier IA o búscalo: diferencias entre instrucciones personalizadas, prompt de sistema y memorias.

Así puedes actualizar memorias e instrucciones en Outlook, Copilot, ChatGPT o Claude, etc. Eso ayuda a establecer límites y reglas: "si pasa A, haz B" y las puedes forzar. Aunque pongas memoria, instrucciones y prompts, seguirá cometiendo errores, así que debes estar atento.

Otra habilidad necesaria es desarrollar ese ojo crítico, que hoy es más imprescindible. Sobre la segunda pregunta: la gente que sigue sin decidirse. Siempre ocurre. Hace 25 o 30 años cuando se introdujo internet, la gente decía "Conozco mi almacén de memoria, no necesito digitalizar".

Sí, pero si te vas de vacaciones la empresa no funciona. Había que poner una base de datos en línea. Y ahora ni se cuestiona. Otro temor: "¿Afectará mi empleo?" Puede que sí, puede que no, no hay respuesta definitiva. La historia demuestra que las profesiones cambian. Nacen roles, aparecen nuevas herramientas. Hace 25 años no existía cloud engineer o especialistas en virtualización. Los proyectos cambiaron. 15 años atrás hice un proyecto para montar un centro de datos en una oficina. Hoy simplemente eliges qué servidores necesitas, vas a AWS, Azure o Google GCP y lo montas todo en horas o días, no seis meses como antes.

Hay que entender que los proyectos que hacemos hoy no serán los de mañana. ¿Cómo me preparo para ello? Aprendiendo nuevas herramientas, conociendo mis puntos ciegos y los ciegos de mis herramientas.

El modelo de IA cambiará, mejorará en unas cosas y empeorará en otras. Hay un término técnico: deriva de prompt o de modelo (prompt drifting/model drifting). Siempre necesitarás revisar. Hay mucho ruido: prompt de cinco líneas, documento de siete páginas, y debes leerlo. Si está bien, tomará 25-30 minutos; si no, te cambia el día editarlo. Tenlo en cuenta: consume tiempo y aún requiere juicio humano porque tú eres quien da la cara ante el consejo o lidera personas. Entiendes las complejidades humanas. La IA puede hacerlo casi todo pero hay matices culturales, fricciones y requerirá otra mentalidad. Sin duda.

Galen Low: Me gusta. ¿Puedo pedirte una historia de principio a fin? Me interesa ver el viaje: cómo el uso genérico lleva a resultados genéricos, luego una mentalidad inquisitiva y análisis estratégico, y conseguir mejores outputs.

¿Qué síntomas ves cuando trabajas con equipos que al principio usan la IA muy genéricamente (copian, pegan, avanzan, sufren cuando sale mal)? ¿Cómo detectas que deben evolucionar?

¿Cómo los llevas hacia esa mentalidad inquisitiva y estratégica, y qué diferencia hay después?

Mashhood Ahmed: Mi experiencia: mostrar algo muy simple. Por ejemplo, al inicio del pódcast les pedía hacer el experimento del dado, para ver que el input genérico da output genérico.

Muchas veces, al mostrar eso, alguien dice: "Es magia, hackeaste el sistema". Y no, no hackeé nada. Digo que podría parecer magia, pero en realidad es estadística y matemáticas.

La IA funciona por patrones. ¿Cómo llevar el equipo al siguiente nivel? Siempre hay miembros adelantados, tus campeones internos de IA. Invítalos, haz talleres, Tech Tuesdays o almuerzos de aprendizaje, cosas pequeñas.

Avanza lento. En una capacitación actual de IA generativa con una universidad de EE. UU., solo dimos lo básico, prompting y lo esencial, y 70% reportó mayor confianza que antes: subimos de 19% a más de 70% solo con una sesión de dos horas. El 90% recomendaría esta capacitación a un colega. Hay que trabajar al nivel del usuario: piensa en Suzy de RR. HH. o Dan en compras que tal vez no sean expertos en tecnología, pero dominan su área. Da ejemplos simples, nada complicado, no trates de abarcar todo desde el primer día. Haz poco a poco, dales un mes. En el siguiente Tech Tuesday, muéstrales algo nuevo, pide feedback. Es fundamental. Hemos añadido encuestas simples: "¿Cómo te sientes tras la sesión?" y "¿Qué te gustaría ver luego?" Así recibes información.

Si eres admin o IT director, revisa el uso de Copilot, fíjate en los patrones mensuales.

Galen Low: Claro.

Mashhood Ahmed: Porque puede que se use mucho y llegues al límite, así que piensa en el contexto, la gobernanza, las políticas, el no hacer, lo que puede salir mal según la política/estrategia. Hay muchas historias sobre IA que hace lo que no debe. Sucede porque faltan límites, gobernanza y políticas.

Un ejemplo: hace dos años, un cliente de Air Canada preguntó en su web si había descuento por duelo familiar. El chatbot, "gran idea beneficiar al cliente leal", respondió que sí había descuento por duelo. El cliente guardó capturas, reclamó y la compañía lo negó. Demandó y el tribunal falló a su favor. El descuento serían unos cientos, pero la historia sigue viva. Fue por no definir límites, gobernanza y políticas suficientemente claros, tanto para humanos como para agentes de IA.

Hay que pensar antes de abrir puertas y avanzar poco a poco para ver cómo evoluciona el equipo. Cada equipo y negocio es distinto. Cada situación es única. Empieza poco a poco.

Galen Low: Me gusta ese equilibrio, y lo que haces en esa universidad. Hablábamos del síndrome del impostor y de lo contrario a lo que vemos en LinkedIn: "Tal lo hace mejor", "Ellos saben más", "Esto está mal", "Va a fallar". Pero si aprenden juntos y comparten, todos se sienten más cómodos porque se eliminan esas comparaciones. Se nivelan juntos y se desarrollan donde hace falta.

A este respecto, la curiosidad y el análisis estratégico, también es aprendizaje. Requiere tiempo, pero da confianza y nos permite evitar tanto las preguntas genéricas como aceptar el output bonito del LLM y "supongo que está bien, ni lo reviso, lo envío". Cuando podríamos obtener mucho mejor output, que realmente respalde nuestro trabajo y que demuestre que IA, aunque es buena, no lo hace todo. Me gusta eso de que algunos creen que hago trucos de magia y otros creen que la IA lo puede todo.

La realidad: los humanos son buenos en ciertas cosas, IA en otras, y ambos tienen limitaciones. Ese es el equilibrio a lograr.

Mashhood Ahmed: Recuerdo que en mis charlas de IA de hace unos años decía que la habilidad clave es desaprender y reaprender.

Piensa en eso: estamos acostumbrados a… lo oímos en Lean Six Sigma y en otras metodologías, la gente se aferra al "esto siempre fue así". Sí, pero lo eficiente es otra cosa. El cambio es gestión de cambio.

Más profundamente, la clave es desaprender. Sepamos reconocer que hay habilidades que ya no ayudan. Lo que me sirvió hace diez o quince años puede no servir hoy. Desarrolla una estrategia sobre qué habilidades aprender y sé abierto a esto. Hay quien lo es y quien no. 25 años atrás, mi padre era arquitecto. Apareció AutoCAD. Mi padre se negó a usarlo, contrató a alguien para los dibujos y él solo firmaba. Sirvió en ese tiempo. Algo similar ocurrirá aquí. Algunos dirán "lo intento" y otros "no lo haré". Está bien. Pero lo importante es qué debemos desaprender y qué aprender. Es muy, muy difícil cambiar hábitos antiguos. Lee sobre cómo crear hábitos. Es más fácil decirlo que hacerlo. Así que desaprender y reaprender son temas profundos.

Galen Low: Eso me gusta mucho. A lo largo de esta charla, hay mucho de espacio negativo por decirlo de alguna manera. No es lo que está, sino lo que falta. No es solo qué preguntamos sino qué no preguntamos. No es solo qué sabemos, sino qué asumimos. No es solo aprender, sino también qué debemos desaprender para avanzar en otra área. Y has remarcado lo importante: el pensamiento crítico, sobre el que muchos hablan cuando temen la atrofia de habilidades. "La IA (o los medios) reducen la capacidad de pensar críticamente." Algunos creen que si lo tiene el LLM ya no hace falta ser curiosos ni aprender, pero en realidad es una oportunidad para aprender más y pensar más críticamente, llegar a ser esos líderes clave y ser, como tu padre, el que tiene el ojo crítico para revisar algo antes de firmar. Eso es importante en arquitectura, gestión de proyectos y en el mundo laboral. Ser responsable por las decisiones de tu equipo es clave, más que pasar todo el día aprendiendo solo de IA sin desarrollar nada más.

Mashhood Ahmed: Sí. En temas de gestión de riesgos con IA hablo de la excesiva dependencia de la IA; está dañando la capacidad cognitiva, el pensamiento y la resolución de problemas. Son habilidades fundamentales, ningún MBA te las enseña. Esto se debe inculcar desde los primeros años, antes de primaria: pensar críticamente, resolver problemas, tener conciencia del entorno. Nada que ver con tecnología, es interacción humana, pero depender demasiado de la IA es ya un problema. La gente sube informes, publicaciones hechas por IA y, sí, yo mismo he dejado alguna línea sin revisar por error.

Galen Low: Así es.

Mashhood Ahmed: Sucede. Pero lo importante es ser conscientes y corregir, porque si todos mis posts tuvieran errores, se pone en riesgo mi reputación. Por eso debo pensar qué valor aporto que la IA nunca dará.

Galen Low: Me encanta. ¿Puedo ponerte en aprietos? ¿Cuál es algo que hayas desaprendido?

Mashhood Ahmed: Aceptar que la IA puede hacer cosas que yo hacía. Que la IA puede hacerlo mejor.

El inglés no es mi idioma nativo. Antes cometía muchísimos errores. Tenía suscripción a Grammarly pero ya la cancelé, y está bien aceptar tus limitaciones, sin intentar corregirlo todo. Podría hacer más cursos, y lo del Oxford comma, en fin, hay muchos detalles; deja las reglas claras y síguelo. Puedes pedir a la IA escribir con tu estilo, con o sin Oxford comma, y lo hará. Igual debes estar atento. Así que se trata de aceptar lo incómodo, avanzar paso a paso, aprender, desaprender, reaprender, preguntar críticamente y siempre buscar lo relevante en mi caso. Esas son skills y aprendizajes clave de esta charla.

Galen Low: Eso es. Aprender que debes ser el mejor en todo.

Mashhood Ahmed: Exacto.

Galen Low: Me encanta. Mashhood, muchas gracias por tu tiempo hoy. Me ha encantado. Para quien quiera saber más de ti, ¿dónde puede encontrarte?

Mashhood Ahmed: Solo tienen que buscar mi nombre en LinkedIn,

y conectar conmigo. Publico cosas en LinkedIn que pueden interesarles. Mi web es mashhood.net. LinkedIn es la mejor forma de seguirme. En TikTok también subo contenido, aunque no tanto. Sígueme en TikTok si me encuentras.

Tengo vídeos de minutos de diferentes eventos, podcasts y conferencias, pequeñas cápsulas con ideas para aplicar enseguida.

Galen Low: Perfecto. Pondré los enlaces a tu LinkedIn, TikTok y tu web en las notas del episodio para los que quieran saber más.

Y muchas gracias de nuevo. Ha sido una charla fantástica.

Mashhood Ahmed: Genial. Muchas gracias y espero con ilusión que salga este episodio pronto.

Galen Low: Bien, amigos. Esto es todo por hoy en el pódcast de Digital Project Manager. Si te ha gustado la charla, suscríbete donde sea que escuches. Y si quieres más consejos prácticos, casos de estudio y playbooks, crea una cuenta gratis en thedigitalprojectmanager.com.

Hasta la próxima, gracias por escucharnos.