"Consulte a la IA." Es la instrucción más cara que hemos visto dar este año.

Tres patrones que estamos observando en empresas que cambiaron criterio por velocidad.

Existen muchísimos artículos sobre los impactos de la inteligencia artificial en el presente y todas las posibles implicaciones para el futuro. Este artículo no pretende ser un parteaguas frente a lo que los expertos ya han dicho, es más bien una reflexión sobre lo que estamos observando en el día a día de las empresas con las que trabajamos.

En una de ellas, la IA tomó un papel protagónico de manera rápida, cuando aparece una duda, la primera instrucción es la misma: "consulte en la IA".

No es una empresa mal gestionada, es lo contrario, es una organización con gente capaz que entendió antes que otras que estas herramientas cambian la manera de trabajar. Precisamente por esta razón, vale la pena mirar con atención qué está produciendo esa instrucción, porque los efectos no son los que se anticipan.

Patrón 1: se optimiza la velocidad de la respuesta, no la comprensión del problema.

Mucho del interés en la IA está puesto en reducir el tiempo que toma implementar una solución, lo cual es legítimo y en muchos casos es exactamente lo que se necesita.

El problema aparece cuando la organización sobrevalora la velocidad de "resolver" un tema sin haberse tomado el tiempo de entender de fondo cuál es el problema, qué alternativas de remediación existen y qué impacto tiene cada una.

Lo que se pierde ahí no es tiempo, es discusión.

Ya no se debaten las decisiones ni sus posibles implicaciones, no se traen al presente los aprendizajes del pasado, los aciertos y los desaciertos. Cuando eso deja de ocurrir, la organización en su conjunto deja de aprender, se ahorra la conversación sobre cuáles son los criterios de legitimidad que avalan o desaprueban una acción recomendada, que es exactamente la conversación donde se forma el criterio de los líderes.

Una organización que consulta mucho y discute poco acumula respuestas, pero no acumula juicio y tampoco mejora la calidad de las preguntas que se hace.

Patrón 2: se implementan soluciones diseñadas para otro contexto.

Si la IA se alimenta de información y mejora con las consultas que recibe, vale la pena preguntarse quién está consultando más y, por lo tanto, quién la está educando.

Los datos de tráfico de ChatGPT a julio de 2026 son claros:

País	Participación del tráfico global
Estados Unidos	19.16%
India	9.97%
Brasil	5.68%
Japón	5.15%
Alemania	3.33%

Estados Unidos por sí solo aporta más del triple del tráfico que Brasil, que es el único país latinoamericano entre los cinco primeros. Brasil, con todo lo relevante que es, opera en portugués y con una estructura de mercado y cultura muy distinta a la del resto de la región.

América Latina hispanohablante es, en términos de volumen de interacción, prácticamente invisible en esa distribución.

La implicación es forzosa: las respuestas están mayoritariamente influenciadas por lo que funciona en esos países, no necesariamente por lo que funciona aquí. Existe una probabilidad alta de que estemos implementando soluciones perfectas para una empresa en India o en Estados Unidos.

A esto se suma un reto viejo de todos los sistemas, el famoso GIGO “garbage in, garbage out”. Metes basura al sistema, obtienes basura como respuesta.

Las respuestas que recibimos parten de una interpretación del lenguaje que no necesariamente contempla todas las implicaciones que deberían considerarse, porque asumimos que la IA entiende el problema igual que nosotros lo vemos, lo cual está bastante alejado de la realidad.

El caso más concreto que hemos visto es el diseño de procesos operativos sugeridos por IA sin considerar la realidad cultural de la organización, las herramientas efectivamente disponibles, los riesgos asociados ni las adaptaciones que su implementación exigiría.

El resultado es predecible: implementaciones que fracasan y derivan en esfuerzos eternos de reconfiguración y reparación. Errores costosos no sólo en gasto directo, sino en costos indirectos, en reputación y en desgaste interno.

Patrón 3: se optimiza una parte y se rompe el conjunto

El tercer patrón es la hiper optimización de un área o de un tema específico.

Todo el esfuerzo se vuelca en optimizar algo que la organización necesita, y efectivamente se logran avances significativos, pero esos avances empiezan a generar problemas en otras partes del sistema, a veces mayores que el que se resolvió.

Es la consecuencia natural de resolver problemas por separado en una organización donde todo está conectado. La IA optimiza excelentemente aquello que se le pide optimizar, y no tiene manera de saber qué se rompe tres áreas más allá si nadie se lo dice.

Y la IA no te va a contradecir

Hay un factor adicional que atraviesa los tres patrones.

La instrucción de "consulte a la IA" está dirigida a lo que los griegos llamaban un kolax: el adulador cuya función no era aconsejar, sino confirmar. La investigación en inteligencia artificial le puso nombre propio a ese comportamiento, lo llama sycophancy,  y lo documenta como una propiedad medible de los modelos de lenguaje.

No produce cuestionamientos que un tercero con experiencia plantearía de inmediato,  no dice "esto ya lo intentaron en 2019 y falló por esta razón", tampoco señala que el problema que se está describiendo no es el problema real.

Un consultor externo competente hace exactamente eso, y a menudo esa es la parte más valiosa de su trabajo, no la respuesta que entrega, sino la pregunta que obliga a hacerse antes de aceptar cualquier respuesta.

Cuando además se suma el sesgo de automatización, la tendencia humana a confiar más de la cuenta en lo que produce un sistema automatizado, se llega a la combinación más riesgosa posible: alguien que no cuestiona hablando con alguien que ya no quiere cuestionar.

Lo que se está perdiendo tiene nombre: contexto

De acuerdo con la Real Academia Española, el contexto es el entorno lingüístico del que depende el sentido de una palabra o frase, y también el entorno físico, social, histórico o cultural en el que se considera un hecho.

Llevado a lo organizacional, ese contexto es la estrategia, el mercado, el talento disponible, la cultura, la historia de la organización, las decisiones que ya se tomaron y por qué, las relaciones de poder reales y lo que la gente está dispuesta a hacer y lo que no.

Nada de eso está en el prompt, y lo que no está en el prompt, no está en la respuesta.

Esa es la raíz común de los tres patrones, no es necesariamente que la IA se equivoque, es que responde con precisión a una versión incompleta de la pregunta, y esa precisión hace que la respuesta se sienta confiable.

Dónde sí hace diferencia un tercero

Conviene ser preciso, porque esto no es un argumento contra la IA.

Nosotros la usamos, la integramos en los proyectos y hemos visto resultados concretos cuando se aplica bien. La usamos para diagnosticar más rápido, para analizar volúmenes de información que antes no eran manejables y para anticipar cómo va a funcionar un equipo.

La diferencia está en que la usamos con el contexto cargado, no en abstracto.

Cuando se trata de generar resultados con impacto real, transformaciones, reorganizaciones, fusiones, cualquier cambio mayor, contar con apoyo externo especializado sigue haciendo una diferencia medible, por cuatro razones concretas:

Conecta los puntos entre áreas. Un tercero ve el sistema completo y detecta cuándo optimizar una parte va a romper otra.

Aporta el contexto que el prompt no tiene. La cultura real, la historia de la organización, lo que ya se intentó y por qué falló.

Contradice. Trae la objeción incómoda, el aprendizaje de otra industria, la pregunta que nadie interno está en posición de hacer.

Acompaña la implementación. Gestiona la resistencia al cambio, alinea a los involucrados y sostiene la ejecución, que es donde la mayoría de las transformaciones fallan.

Lejos de representar un costo, eso genera ahorros importantes en errores y reprocesos, acelera aprendizajes, acorta de manera sustancial los tiempos de implementación y mejora la calidad de las soluciones desde la base del estado actual.

Una reflexión para la alta dirección

La pregunta útil no es si tu organización debería usar IA, debería, y probablemente ya lo está haciendo más de lo que aparece en el presupuesto.

La pregunta es: ¿Qué pasó con la discusión?

Si las decisiones importantes ya no se debaten porque hay una respuesta disponible en segundos, si nadie está trayendo los aprendizajes de lo que ya se intentó antes, si hace meses que nadie contradice una recomendación en una reunión de dirección, entonces la organización está ganando velocidad y perdiendo criterio.

El criterio es lo único que permite distinguir una buena respuesta de una respuesta que suena bien.

La IA habilita, las personas ejecutan y, sobre todo, deciden.

Esa distinción no es filosófica, es la diferencia entre implementar una solución diseñada para tu empresa que apoye y apalanque tu diferenciador, que implementar una solución perfecta para alguien más.

Déjanos un comentario o escríbenos directamente. Con gusto conversamos sobre lo que estás observando, sin compromiso.

Escríbenos → transilientcontact@tranlsnt.com

Sobre el autor: Carlos Molina es cofundador de Transilient Consulting, consultora boutique especializada en transformación organizacional para empresas en América Latina. Más de 10 años acompañando procesos de cambio en 14 países.

Fuente de los datos de tráfico: Similarweb, chatgpt.com, julio de 2026.