Por: Rene Silva |
enero 30, 2026
Fuente: Imagen generada con Gemini
“Hola, como experto en marketing, redacta un plan de campaña para …” así es como día a día interactuamos con la Inteligencia Artificial; dando instrucciones para que nos arroje el resultado que queremos. Después de la llegada del internet lanzado en 1991, luego el buscador Google en 1998, otro de los avances tecnológicos que vino a revolucionar el mundo tecnológico en noviembre de 2022 es ChatGPT, desarrollado por OpenAI.
Parece tan sencillo interactuar con un chatbot al que le das órdenes y recibes resultados en cuestión de segundos. Con la llegada de ChatGPT, el mundo asimiló la inteligencia artificial, comprendió el sentido de automatización de respuestas a instrucciones complejas y para muchos este modelo de Inteligencia Artificial se convirtió en su mundo para resolver problemas.
Sin embargo, para expertos en tecnología que implementan en sus procesos al interior de sus empresas, la inteligencia artificial es mucho más que un chatbot.
Fuente: Elaboración propia.
Los modelos de inteligencia artificial que están marcando una diferencia hoy en día nacen del avance del machine learning, una rama de la IA que permite a los modelos aprender de los datos y tomar decisiones de manera autonónoma. Estos modelos alcanzaron hoy un punto de inflexión con los Large Language Models (LLM), modelos capaces de identificar relaciones complejas entre palabras y transformar grandes volúmenes de información en conocimiento práctico. Gracias al Procesamiento de Lenguaje Natural (NLP), estas tecnologías pueden interpretar la intención humana y convertirla en respuestas, análisis y soluciones útiles para personas, emprendimientos y organizaciones.
La popularización de interfaces conversacionales, como los chatbots, marcó un hito en noviembre de 2022 con la llegada de herramientas como ChatGPT, que permitieron el acceso a la IA y abrieron nuevas oportunidades para innovar, escalar negocios y optimizar procesos.
El verdadero valor de la inteligencia artificial no reside solo en “conversar” con ella, sino en saber cómo interactuar de forma inteligente. En este contexto surge el prompting como una habilidad clave: la capacidad de formular instrucciones claras, precisas y orientadas a objetivos, que permite a emprendedores y líderes transformar la IA en una aliada concreta para aumentar la productividad y mejorar la toma de decisiones.
Con el prompt correcto hay un 88.7% de posibilidades de obtener la respuesta correcta. Según la Massive Multi-task Language Understanding (MMLU) ChatGPT-4o acierta el 88,7% de las veces. La prueba MMLU mide la inteligencia de los modelos de lenguaje grandes, enfrentando los principales modelos de IA entre sí. Sin embargo, es difícil establecer una medida exacta de precisión.
¿De qué depende el restante 11.3%? Este depende del valor agregado que le añadamos a las respuestas generadas por el chatbot. Es decir al proceso de pensamiento analítico y crítico que hagamos del contenido. Ambos tipos de pensamiento tienen que ver con las habilidades cognitivas desarrolladas a lo largo de nuestra vida.
El pensamiento analítico y el pensamiento crítico no son habilidades innatas ni exclusivas del ámbito académico o tecnológico. Se construyen progresivamente a lo largo de la vida, a partir de la educación, la experiencia, el entorno y la práctica constante de la reflexión. En la era de la inteligencia artificial, fortalecer estas capacidades es tan importante como aprender a usar herramientas digitales.
Aunque pueda parecer complejo, el pensamiento analítico es una habilidad que ejercitamos cotidianamente sin darnos cuenta: ordenar un armario separando la ropa por tipo, organizar objetos en distintos cajones o seguir los pasos de una receta para preparar un pastel son ejemplos claros de pensamiento analítico en acción. Clasificar, estructurar y comprender un proceso paso a paso es, en esencia, analizar.
El pensamiento crítico, en cambio, aparece cuando vamos más allá de entender el proceso y comenzamos a cuestionarlo, ajustarlo y evaluarlo. Siguiendo el ejemplo del pastel, el pensamiento crítico nos lleva a preguntarnos si podemos modificar algún paso o ingrediente: usar una licuadora en lugar de batir a mano, sustituir el azúcar por estevia por razones de salud o adaptar la receta a nuevos contextos. Esta capacidad se fortalece mediante el diálogo, la exposición a distintas perspectivas y la reflexión ética, especialmente en entornos de emprendimiento e innovación, donde cada decisión tiene impacto económico y social.
Ambas habilidades son complementarias:
La alfabetización tecnológica (technology literacy) va más allá de aprender a utilizar dispositivos o aplicaciones. También implica la capacidad de entender cómo funciona la tecnología, resolver problemas técnicos básicos y evaluar sus implicaciones, especialmente cuando interactuamos con sistemas de inteligencia artificial que influyen cada vez más en la productividad, la toma de decisiones y la gestión de la información. Entre las que destacan las siguientes habilidades:
Resolución de Problemas técnicos (Troubleshooting)
Fuente: Elaboración propia.
Imagina que estás a punto de terminar un trabajo y necesitas buscar un último dato. Escribes las palabras clave en el navegador y, de repente, aparece el famoso dinosaurio sobre una pantalla blanca. Inmediatamente deduces que se cortó la conexión a internet y vas a revisar el router. Esa reacción rápida no es casual: es resultado de la experiencia y la familiaridad con la tecnología.
La habilidad de troubleshooting (Resolución de problemas técnicos) permite identificar señales, leer mensajes de error y entender los procesos necesarios para resolverlos. Así como los conductores interpretan el panel de control de su vehículo, los usuarios digitales debemos aprender a reconocer los “síntomas” de fallas en dispositivos y sistemas. Para ello existen recursos como los manuales de uso —frecuentemente ignorados—, los tutoriales y, cada vez más, las herramientas de inteligencia artificial.
Los chatbots y agentes de IA son aliados clave para el troubleshooting. Mediante prompts claros que describan el problema y soliciten una solución, la IA puede orientar al usuario y facilitar la resolución de incidencias técnicas de forma más eficiente.
Seguridad y Privacidad
Fuente: Elaboración propia.
La alfabetización tecnológica también incluye comprender los riesgos y responsabilidades asociados a la seguridad y la privacidad de la información. Como usuarios digitales y de herramientas de inteligencia artificial, es fundamental entender bajo qué condiciones se procesa la información que compartimos.
Cuando interactuamos con un chatbot, las respuestas que recibimos no son información nueva, sino resultados construidos a partir de datos previamente disponibles en internet. Dependiendo del servicio de IA que se utilice, la información compartida por el usuario puede ser almacenada y empleada para mejorar el sistema, lo que implica que deja de ser completamente privada.
Si bien esta lógica contribuye a democratizar el conocimiento y mejorar la tecnología, también plantea desafíos importantes para personas, emprendimientos y organizaciones que manejan datos sensibles. Por ello, es clave desarrollar criterio para decidir qué información compartir y cuál proteger, considerando que las versiones de pago de algunas herramientas ofrecen mayores restricciones y controles sobre el uso de los datos.
“Al mejor cazador se le va la liebre”. En muchos shows de cocina, el momento decisivo ocurre cuando los platos llegan al jurado. En una de esas competencias, un postre visualmente impecable provocó una reacción inesperada: al probarlo, el jurado detectó que el cocinero había confundido el azúcar con la sal. El resultado fue tan estético como catastrófico.
Algo muy similar ocurre con la inteligencia artificial. Los modelos de IA funcionan a partir de la información y los datos que reciben. Si esos datos son incorrectos, incompletos o mal estructurados, el resultado será tan erróneo como ese postre, aunque en apariencia luzca correcto.
Fuente: Elaboración propia.
Los modelos de IA trabajan con datos a través de lenguajes como Python, un lenguaje de programación ampliamente utilizado para análisis, procesamiento y modelos de aprendizaje automático. En muchos sistemas de IA —especialmente en versiones avanzadas o de pago— es posible observar el proceso de inferencia que sigue el modelo para llegar a un resultado. Cuando ese proceso no es visible, la IA se convierte en una caja negra: entrega respuestas sin que sepamos cómo fueron construidas.
Es clave comprender que la inteligencia artificial no cuestiona la veracidad de los datos. Aún no posee el pensamiento crítico humano. Si se le entrega un archivo con registros de ventas para identificar el mes con mayor facturación, el resultado será correcto solo en la medida en que los datos de origen lo sean. Si existe un error en el registro inicial, la conclusión también será errónea. La IA amplifica la calidad del dato: tanto lo bueno como lo malo.
Este principio aplica especialmente para información objetiva y medible. En ámbitos subjetivos, como el arte, la estética o la interpretación cultural, no existe una “respuesta correcta” única, y la IA solo puede ofrecer aproximaciones, no juicios definitivos.
Además de la calidad de la información, otro factor decisivo es el contexto. Para comprender un problema y ofrecer una solución adecuada, tanto los humanos como la inteligencia artificial necesitan saber qué ocurrió, cuándo ocurrió y en qué entorno.
En el uso de agentes de IA, el contexto define el alcance, el enfoque y la utilidad de un prompt. No es lo mismo pedir un análisis sin referencias que hacerlo indicando un período específico, una ubicación geográfica o un público determinado.
El contexto temporal permite ubicar la información en el tiempo: datos de hace diez años no tienen el mismo valor que datos actuales; una estrategia válida antes de la pandemia puede no serlo hoy; una tendencia tecnológica cambia rápidamente. Sin referencias temporales, la IA puede ofrecer respuestas desalineadas con la realidad presente.
El contexto cultural, por su parte, es fundamental para interpretar comportamientos, lenguaje, valores y necesidades. Una recomendación válida en un mercado puede no funcionar en otro; una expresión común en un país puede resultar inapropiada en otro. En emprendimiento e innovación, este aspecto es clave para evitar soluciones genéricas que ignoran realidades locales.
Por ello, usar inteligencia artificial de forma estratégica no consiste solo en “preguntar bien”, sino en proporcionar información clara, correcta y contextualizada. La IA no reemplaza la comprensión humana del entorno: la potencia, siempre que sepamos guiarla.
Steve Jobs describió alguna vez a la computadora como una ‘bicicleta para la mente’, una herramienta diseñada para amplificar nuestras capacidades y llevarnos más lejos con menos esfuerzo. La Inteligencia Artificial actualiza y nos potencia ofreciéndonos una velocidad y eficiencia inimaginable. El futuro de los modelos de inteligencia artificial avanza rápidamente mucho más allá de los chatbots conversacionales y prompting. Estas tecnologías apuntan a agentes autónomos con la capacidad de realizar tareas utilizando diversas fuentes de información y sistemas externos para actuar y tomar decisiones.
A medida que la inteligencia artificial se hace más sofisticada, la intervención humana es más determinante. Por lo que es importante reforzar habilidades que nos brindan el criterio, la seguridad y el contexto necesarios para dirigir estas herramientas con eficacia y responsabilidad. Habilidades como el pensamiento analítico y crítico, autonomía técnica y la gestión de información nos llevan más allá de ser simples operadores a pensadores estratégicos.
La tecnología pondrá la velocidad, pero nosotros la dirección.
Categorías
Compartir
septiembre 15, 2025
El ecosistema tecnológico boliviano da un paso clave hacia su...
abril 30, 2025
La tecnología se convirtió en una aliada en la vida...
agosto 15, 2023
Por quinto año consecutivo, se presentó el informe que mide el pulso de los emprendimientos tecnológicos en Bolivia. Pese a la crisis global, nuestro país...
septiembre 16, 2022
Tras la producción por cuatro gestiones del reporte de Mapeo del Ecosistema de Tecnología Digital, la revisión de la línea base y la valoración del...
