Estamos usando la IA como un buscador glorificado

Santiago Bilinkis y Jon Hernández acaban de publicar un video que pone el dedo donde más duele. En "Tu forma de usar la IA ya quedó atrás", los dos divulgadores tecnológicos más influyentes del mundo hispanohablante desmontan con datos una realidad que la mayoría prefiere no mirar de frente: casi todos los que usamos inteligencia artificial la estamos usando mal. No mal como en "podrías mejorar". Mal como en "estás perdiendo una oportunidad que no va a esperar".

El punto de partida es demoledor. Más del 90% de directivos y profesionales están convencidos de que la IA va a transformar su manera de trabajar en los próximos cinco años. Pero cuando les preguntas qué tan familiarizados están con las herramientas disponibles, más del 80% reconoce que poco o nada. Y los que sí las usan no lo hacen mucho mejor: Hernández cita un dato de Sam Altman, CEO de OpenAI, que revela que apenas el 1% de los usuarios gratuitos de ChatGPT había utilizado alguna vez un modelo de razonamiento avanzado antes de GPT-5. La traducción de Hernández es directa: el 98,5% de la gente que usa ChatGPT lo usa mal.

Estamos matando moscas a cañonazos. Usamos modelos de lenguaje multimillonarios como un reemplazo glorificado del buscador de Google. Y mientras nos entretenemos haciéndole preguntas básicas a un chatbot, la tecnología ya se movió a otro lugar.

El riesgo real no es quedarse sin herramientas. Es no saber qué aportar cuando la herramienta lo hace todo.

Del chatbot al agente: el cambio que importa

La conversación de Bilinkis y Hernández apunta a algo que el mercado corporativo ya está experimentando: la transición de la IA generativa hacia la IA agéntica. Durante dos años nos obsesionamos con el prompt engineering —aprender a escribir el texto perfecto para que la máquina nos entienda— y esa obsesión está perdiendo peso de forma acelerada.

Lo que viene ya no es un chatbot que espera instrucciones. Son agentes autónomos capaces de descomponer objetivos en tareas, seleccionar herramientas, ejecutar flujos de trabajo completos y tomar decisiones intermedias sin intervención humana. La diferencia no es cosmética. Un chatbot te da la receta de un pastel. Un agente revisa tu despensa digital, agrega los ingredientes faltantes a tu lista de compras y bloquea un horario en tu calendario para cocinar. Uno responde. El otro actúa.

El impacto ya se mide en dimensiones que van más allá de lo textual. Los datos del National Center for Voice and Speech muestran que la velocidad promedio de dictado supera las 150 palabras por minuto, contra las 40 del teclado. Aplicado a flujos de trabajo optimizados por IA, esa diferencia puede significar más de 145 horas recuperadas por año para un profesional promedio. En poco tiempo, el teclado empezará a ser una interfaz secundaria y las oficinas tendrán que adaptarse a personas que gestionan procesos completos mediante la voz.

Pero esto es solo la superficie. Lo verdaderamente disruptivo no es la velocidad de captura. Es que la capacidad de procesamiento inteligente —analizar, estructurar, comparar, recomendar— está saliendo del grifo casi gratis y de forma ilimitada. Y eso convierte en commodity lo que durante más de un siglo fue el activo más cotizado del mercado laboral: la inteligencia humana aplicada a la ejecución operativa.

Cuando la máquina procesa más rápido, más barato y sin cansarse, competir en velocidad operativa deja de ser una estrategia y pasa a ser una sentencia.

Tres competencias que la IA no puede replicar

Bilinkis y Hernández tocan el núcleo existencial del futuro del trabajo. Y es exactamente la pregunta que me llevó a escribir El filtro anti-IA: si la máquina automatiza la ejecución, ¿cuál es el valor único que un profesional puede aportar y que el mercado esté dispuesto a pagar?

El mercado laboral está activando un filtro implacable que divide a los profesionales en dos grupos. Los que se queden del lado de la pura operatividad serán reemplazados. No mañana, pero sí antes de lo que creen. Los que logren superar ese filtro serán quienes dominen tres competencias genuinamente humanas.

La primera es la orquestación estratégica. El mercado ya no va a pagar al que sabe hacer la tarea —escribir el código, diseñar la campaña, redactar el informe— sino al director de orquesta con el criterio para dirigir y conectar a los agentes de IA que la ejecutan. Esto requiere algo que ningún prompt puede enseñar: entender qué preguntar, a quién delegar y cuándo la respuesta más clara no es la más correcta.

La segunda es el pensamiento crítico aplicado. Hernández hace una observación que vale la pena subrayar: dice que se alegra cuando su agente de IA se equivoca, porque cada error es una oportunidad para que el sistema "aprenda a equivocarse mejor". Eso solo funciona si alguien tiene el criterio para detectar que el agente se equivocó. El valor humano radica en auditar lo que la IA produce, identificar los sesgos que refuerza y corregir el rumbo antes de comprometer recursos.

La tercera es la que más se subestima, y Bilinkis la plantea con una preocupación legítima: si terminamos aislados dictándoles instrucciones a nuestros agentes por voz, ¿dónde queda la cultura organizacional? La capacidad humana de generar confianza, leer contextos emocionales y tomar decisiones donde los datos no alcanzan se está convirtiendo en un activo premium precisamente porque todo lo demás se puede automatizar.

La IA no paga el costo de tus malas decisiones. Tú sí. Esa asimetría es todo lo que necesitas saber sobre dónde está tu valor real.

Lo que estoy viendo en empresas reales

El video de Bilinkis y Hernández diagnostica el problema a nivel macro. Mi trabajo como consultor me obliga a verlo en el detalle, caso por caso. Y lo que observo confirma exactamente lo que ellos plantean, pero con una capa adicional que me preocupa: las personas competentes no solo están usando mal la IA. La están usando sin criterio para tomar decisiones con consecuencias reales.

El patrón se repite con precisión alarmante. El gerente que reestructura su equipo basándose en un organigrama que la IA generó sin conocer los acuerdos informales que mantenían todo funcionando. El consultor que envía una propuesta de 40 páginas generada por IA y pierde un cliente de tres años porque el documento sonaba como si lo hubiera escrito alguien que no los conoce. La emprendedora que baja sus precios un 25% porque la IA le mostró "promedios de mercado" que incluían competidores con los que jamás habría competido.

En todos estos casos, la IA respondió correctamente a la pregunta que le hicieron. El error fue no cuestionar si era la pregunta correcta. Y eso fue exactamente lo que me llevó a desarrollar un protocolo de 25 preguntas diseñadas para detectar errores costosos antes de que ocurran. No un manual para usar mejor la IA, sino un filtro que obliga a pausar, cuestionar supuestos y reconocer cuándo la respuesta más clara no es la más correcta.

La trampa de la delegación invisible

Hay una tentación silenciosa en el uso de la inteligencia artificial: la posibilidad de decidir sin asumir que decidiste. Pides una recomendación, la sigues, y si falla, culpas al algoritmo. No se trata de mala fe. Se trata de comodidad. La IA te da respuestas rápidas, bien escritas, con tono de autoridad. Es fácil confundir velocidad con validez, coherencia con certeza.

Pero existe una diferencia brutal entre consultar y abdicar. Consultar significa pedir información, analizar opciones, contrastar con tu criterio y decidir. Abdicar significa pedir una respuesta, confiar en que es correcta porque suena bien, e implementarla sin validación. La diferencia no está en lo que haces con la IA. Está en lo que haces después.

Y aquí es donde el costo se vuelve invisible y acumulativo. Cada vez que la IA decide por ti, dejas de practicar la decisión. No aprendes nada porque no decidiste nada. Solo ejecutaste. Con el tiempo, tu capacidad de juicio se atrofia. No porque la IA sea mala, sino porque dejaste de ejercitar el músculo que más necesitas cuando la herramienta falle o enfrentes un problema que no puede resolver.

La IA no va a desaparecer ni a dejar de mejorar. Con cada mejora, la tentación de delegar será más fuerte. La pregunta ya no es si la usas, sino si estás decidiendo o solo ejecutando instrucciones de una máquina que no asume consecuencias.

El tren no espera

ChatGPT pasó de 10 millones de consultas diarias en 2023 a más de 2.500 millones en 2026. La adopción corporativa de agentes autónomos ya no es un proyecto piloto en empresas de Silicon Valley; es una necesidad competitiva transversal. La experiencia histórica demuestra que cuando un cambio tecnológico alcanza cierta velocidad, subirse a mitad de camino se vuelve exponencialmente difícil.

Bilinkis y Hernández tienen razón en el diagnóstico. La forma en que la mayoría está usando la IA ya quedó atrás. Pero el diagnóstico es solo el primer paso. Lo que sigue es más incómodo: aceptar que el problema no está en la herramienta sino en cómo decidimos con ella, y que la velocidad a la que esta tecnología avanza no admite la comodidad de seguir haciendo lo mismo con herramientas nuevas.

Lo que separa a los que van a superar este filtro de los que van a quedarse atrapados no es el dominio técnico. Es algo mucho más básico y mucho más difícil: el criterio para saber cuándo la respuesta más convincente no es la más correcta, la disciplina para cuestionar lo que suena perfecto, y la honestidad para reconocer que tal vez estás viendo solo lo que quieres ver.

Cada vez que usas IA sin ese filtro, estás apostando tu criterio a la coherencia superficial de una máquina. Y eso es una apuesta que, tarde o temprano, vas a perder.

Nota sobre el método

Este artículo fue producido con la asistencia de Claude (Anthropic) como herramienta de edición, verificación de fuentes y estructuración. Las fuentes citadas fueron contrastadas contra sus publicaciones originales. Los datos de adopción de ChatGPT fueron verificados contra reportes de TechCrunch y Master of Code. La tesis central y los casos mencionados provienen de mi libro El filtro anti-IA: 25 preguntas para no delegar tu criterio a una máquina (2026).

Fuentes

• Bilinkis, S. y Hernández, J. (2026). Tu forma de usar la IA ya quedó atrás. Video publicado en el canal Santiago Bilinkis e Inteligencia Artificial, julio 2026. → youtube.com
• Altman, S. (2025). Publicación en X sobre uso de modelos de razonamiento. Analizado en: Stokel-Walker, C., Most people are using ChatGPT totally wrong—and OpenAI's CEO just proved it, Fast Company, agosto 2025. → fastcompany.com
• Hernández, J. (2026). Entrevista en Merca2: Si no quieres usar la IA, ella te va a usar a ti, abril 2026. Cita el dato del 98,5% atribuyéndolo a Sam Altman. → merca2.es
• Bilinkis, S. (2026). Presentación en el Foro Nacional del Seguro, Buenos Aires, abril 2026. Cobertura en Revista Seguros AAPAS. → revistaseguros.aapas.org.ar
• National Center for Voice and Speech, Universidad de Iowa. Referencia de velocidad promedio de habla (150 WPM) vs. escritura (40 WPM). Cálculos de productividad basados en análisis de Weesper Neon Flow (2025). → weesperneonflow.ai
• Master of Code (2026). ChatGPT Statistics in Companies. Datos sobre 900M de usuarios semanales y 2.500M de consultas diarias. → masterofcode.com
• CIT Solutions (2026). From Chatbot to Agent: 5 Ways Your Business Will Transform, enero 2026. → citsolutions.net
• Gutiérrez Venegas, C. (2026). El filtro anti-IA: 25 preguntas para no delegar tu criterio a una máquina. Primera edición digital, enero 2026. ISBN: 978-956-425-605-4.