Todos interactuamos con las herramientas de inteligencia artificial con la misma lógica: hacemos un prompt con una solicitud, luego la IA responde. Puede ser desde la redacción de un mail, hasta planificar una start-up que nunca vamos a crear.
El deal es simple: pago mis $20 dolares y recibo “inteligencia” cuando la necesito.
Pero Satya Nadella, CEO de Microsoft, puso sobre la mesa una idea distinta en su post “The Reverse Information Paradox”. Y es que según él, quizás no estamos pagando por IA una sola vez. Quizás estamos pagando doble.
La primera, con plata. La segunda, con el conocimiento que le entregamos a los modelos para que funcionen mejor en nuestro contexto.
Y claramente no se refiere a cuando le pedimos una receta de sopaipillas a ChatGPT. Sino más bien a que cuando interactuamos en el trabajo real, en general revelamos mucho más que contenido. Transmitimos cómo pensamos, los documentos claves que usamos, qué errores corregimos, cómo medimos el éxito y cuándo una respuesta es “buena”. Es decir, hacemos parte a la IA de las decisiones que tomamos y de la forma en que las tomamos.
En otras palabras, consumimos y creamos inteligencia al mismo tiempo.
La pregunta de Satya entonces es la siguiente:si esa inteligencia generada la creaste tú, ¿por qué no debería pertenecerte?
A continuación voy a explorar las consecuencias concretas de lo que el CEO de Microsoft está diciendo. .
La IA responde y mira cómo trabajas
La discusión sobre la IA se ha centrado en diferentes temas. Si es que nos va a quitar la pega (pueden leer más de eso en mi Fintualist anterior), si es que alucina, si es que consume más o menos energía, si los cobros deberían ser tarifas mensuales o por cantidad de tokens usados, su uso en la comunidad escolar, entre muchos otros.
Y a pesar de que todo lo anterior es relevante, está la que ya insinuaba al principio: ¿qué pasa con el aprendizaje/inteligencia que se genera cuando una organización completa usa un modelo de IA todos los días?
Ese “Aprendizaje invisible” que queda de los prompts que se escriben, las correcciones que se hacen, las evaluaciones y juicios de valor que se transmiten, las instrucciones que se repiten y la selección de alternativas de acción, entre muchos otros.
Nadella define esto como el “exhaust” o residuo. Lo que va quedando archivado mientras usas la herramienta. Ese famoso know-how puede ser muy valioso, porque muchas veces es lo que hace únicas a las empresas y les permite diferenciarse. Y la IA hoy nos está pidiendo, para volverse realmente útil, exactamente eso.
Arrow, Satya y la Paradoja Invertida
Para entender bien la idea de Satya, hay que revisar lo que el Nobel Kenneth Arrow planteó hace unas décadas sobre el mercado de la información: el comprador no sabe cuánto vale una información hasta conocerla. Pero si es que el vendedor revela demasiado para asegurar la venta, entonces el comprador quizás ya obtuvo lo que quería y deja de interesarle pagar por esa información.
Ese era el problema clásico. El riesgo lo corría el vendedor de información. Para vender conocimiento, podía terminar regalándolo.
Con la IA, el problema se da vuelta. Ahora el riesgo lo corre el comprador.
Imaginemos una empresa ficticia: MessiMbappe Spa.
MessiMbappe contrata una herramienta de IA, KaneHaaland, para optimizar sus procesos internos. Al principio funciona con conversaciones simples y muy genéricas. Las solicitudes más complejas le cuestan porque no tiene contexto. Entonces los empleados de a poco empiezan a complejizar los prompts y a corregirla cuando se equivoca. Le muestran cómo atienden a sus clientes. Le explican qué respuestas sirven y cuáles no. Después de unos meses, KaneHaaland mejora muchísimo.
Por un lado, excelente. MessiMbappe ahora es más eficiente y tiene más capacidades con los mismos recursos. Exactamente lo que buscaba.
Pero al mismo tiempo MessiMbappe también le enseñó a KaneHaaland cómo funciona MessiMbappe. Le fue entregando, de a poco, “sus cartas”
Esta es la razón real de por qué el post de Satya se hizo viral. Porque ese know-how es justamente lo que hace difícil copiar una empresa. La receta mágica de Coca-Cola vale porque hay una organización completa capaz de producir, distribuir, proteger, vender y repetir esa receta a escala mundial.
Y si para que una AI sea útil tienes que enseñarle cómo operas, la pregunta deja de ser técnica y pasa a ser estratégica: ¿quién se queda con ese aprendizaje?
Tampoco nos pongamos paranoicos
Antes de que esto suene como una conspiración. No todas las herramientas de IA funcionan igual ni tratan los datos de la misma forma. No es lo mismo usar una herramienta gratuita cualquiera que una cuenta pagada individual. No es lo mismo usar una solución enterprise con protecciones contractuales, un modelo open source público o una implementación dentro de un entorno empresarial corriendo en infraestructura propia. La configuración, arquitectura y términos sí importan.
El punto no es que “todas las IA están robando todos tus datos”. Esta sería una versión incorrecta y simplista del argumento. La pregunta real e interesante es si con los datos protegidos, tienes control sobre el aprendizaje generado al usarla:¿Son tuyos los prompts? ¿Las correcciones? ¿Las evaluaciones? ¿Los flujos? ¿Los outputs que después podrías usar para ajustar tus propios modelos? ¿Puedes cambiar de proveedor sin perder todo lo que tu organización le fue enseñando a la herramienta?
El costo es que el aprendizaje necesita dueño
El lector entonces piensa: buena onda Arrow y me reí con lo de MessiMbappe. Pero no creo que esto le pegue a las empresas. Menos a la mía.
Puede ser que quizás no por ahora. Pero está bastante más cerca de lo que parece.
El riesgo de la paradoja inversa no es que mañana una IA copie entera tu empresa y abra una sucursal al lado. Eso sería una película mala, aunque probablemente igual la vería. El riesgo real es que al usar IA todos los días, las empresas empiecen a transformar su know-how en pequeñas migas digitales que nadie mira demasiado.
Una corrección por aquí. Un prompt bueno por allá. Una evaluación interna. Una explicación de cómo se atiende a un cliente complicado. Una decisión que antes tomaba alguien con experiencia y que ahora queda traducida en instrucciones para el modelo. Nada de eso parece grave por separado. Pero en conjunto empieza a parecerse bastante a cómo la empresa piensa, decide y opera.
Por eso el punto no es dejar de usar IA. Todo lo contrario. Sería absurdo mirar esta tecnología y decir “mejor no la toquemos”. El punto es usarla con más intención. Definir qué se puede compartir, qué debería quedar dentro de la empresa, cómo se capturan las buenas correcciones y cómo se evita que cada equipo entrene herramientas por separado sin que la organización acumule nada propio.
Una empresa puede ser más rápida sin ser más inteligente. Puede hacer más cosas en menos tiempo y aun así no aprender nada como organización, porque todo queda perdido en chats individuales, herramientas externas o correcciones que quedan fuera de su control.
El escenario deseable sería que la IA no sea solo una máquina productiva, sino también una forma de acumular aprendizaje para la empresa, en el sentido de que ayude a ordenar procesos, capturar criterios, crear mejores evaluaciones internas y repetir de manera más sistemática lo que funciona.
Esta es para mí la advertencia práctica detrás del post de Satya. No es anti IA, sería raro, además, viniendo del CEO de Microsoft. Lo que dice es que la próxima ventaja no será solo usar IA, sino lograr que el aprendizaje que genera quede dentro de la empresa.
En otras palabras, en la era cloud, las empresas aprendieron a proteger y acumular datos. En la era IA, van a tener que aprender a proteger y acumular su know-how.
Anexo 1: Guía de casos específicos
*Elaborada con AI
Anexo 2: Checklist corto para empresas
*Elaborada con AI
