No quiero aprender inteligencia artificial en 10 minutos. Aprendo a hacer que trabaje para mí.
Por qué probar, equivocarse y volver a intentar sigue siendo parte fundamental de la innovación.
Últimamente he estado trabajando en una campaña de marketing para DCode utilizando inteligencia artificial. El objetivo parecía bastante sencillo: crear un calendario de contenido para 30 días, desarrollar los mensajes, definir una línea gráfica y producir aproximadamente 90 imágenes para Facebook, Instagram e historias.
Algo que, si vemos muchas de las publicaciones y demostraciones sobre inteligencia artificial, parecería que podemos resolver en unos cuantos minutos.
Y probablemente sí podemos generar 90 imágenes en muy poco tiempo.
Pero ¿qué pasa si queremos que todas tengan una identidad gráfica consistente? ¿Que respeten los colores de nuestra marca? ¿Que los mensajes realmente comuniquen algo? ¿Que no repitan los mismos personajes? ¿Que una imagen aprobada sea la referencia de las siguientes?
Y, sobre todo, ¿qué pasa cuando queremos que la herramienta respete nuestras decisiones sin tener que explicarlas una y otra vez?
Ahí es donde empieza lo interesante.
Una cosa es generar imágenes y otra muy diferente es producir una campaña.
Durante estos días estuve trabajando con ChatGPT. Primero desarrollamos los contenidos, después exploramos diferentes propuestas gráficas, elegimos estilos y comenzamos a producir las imágenes.
Hasta ahí todo parecía funcionar muy bien.
El problema apareció cuando empezamos a escalar el trabajo.
Por ejemplo, aprobábamos un estilo visual y unas imágenes después la inteligencia artificial comenzaba a utilizar otro. En ocasiones aprobaba la composición de una pieza y, cuando pedía la producción definitiva, recibía nuevamente el storyboard en lugar del arte final.
En otro momento tuve que señalar que estaba repitiendo demasiado un mismo personaje.
Y entonces comenzaba una nueva conversación para corregir, ajustar y volver a producir.
Lo curioso es que, cuando le señalaba el error, ChatGPT muchas veces comprendía perfectamente lo que había sucedido. Incluso podía explicarme por qué estaba mal.
Pero después volvía a cometer errores parecidos.
¿No les parece interesante?
Una herramienta que puede explicar correctamente cómo debe hacerse un trabajo, pero que no necesariamente consigue hacerlo de manera consistente.
Y quiero aclarar algo: no estoy diciendo que la inteligencia artificial no funcione. Al contrario, me parece extraordinario todo lo que podemos hacer con ella.
Lo que estoy descubriendo es que tener una herramienta extraordinaria no significa que automáticamente tengamos un proceso extraordinario.
Yo no busco herramientas rápidas. Busco utilizar realmente la tecnología.
A lo largo de mi trayectoria como consultor tecnológico y profesor, he aprendido que una demostración exitosa no necesariamente significa que algo esté listo para implementarse en una empresa.
Personalmente no me interesa acumular trucos, memorizar comandos o aprender a utilizar una herramienta solamente para decir que ya la conozco.
Me interesa comprender hasta dónde puede llegar.
¿Qué puede hacer bien? ¿Dónde comienza a fallar? ¿Qué pasa cuando le exigimos más? ¿Cómo se comporta cuando repetimos un proceso? ¿Qué necesitamos cambiar para obtener resultados más confiables?
Y para responder esas preguntas tengo que probar.
A veces muchas veces.
Eso implica invertir tiempo, experimentar, equivocarme, modificar instrucciones y volver a comenzar cuando es necesario.
Podría quedarme con la primera imagen espectacular que me entrega una inteligencia artificial, publicarla y decir que he descubierto una forma increíble de hacer marketing.
Pero ¿qué pasa cuando un cliente me pide una campaña completa? ¿Qué pasa cuando necesita conservar su identidad de marca durante meses? ¿O cuando quiere implementar ese mismo proceso en diferentes productos o sucursales?
Ahí ya no basta con saber escribir un buen prompt.
Necesitamos entender cómo hacer que la tecnología trabaje de manera consistente para nosotros.
Y esa es la parte que verdaderamente me interesa.
También tuve que cuestionar mi propia metodología.
Durante este ejercicio hubo un momento en el que comencé a preguntarme si el problema era yo.
¿Será que no estoy dando las instrucciones correctamente? ¿Será que tengo que escribir prompts más largos? ¿Debería trabajar todo en una sola conversación? ¿O utilizar otra modalidad de ChatGPT?
Así que hice algo que considero fundamental cuando trabajamos con tecnología: detenerte a evaluar el proceso.
Le pedí a la propia inteligencia artificial que revisara nuestros errores, identificara dónde estaba suponiendo cosas que yo no había solicitado y me explicara por qué estaba sucediendo.
La conclusión me dejó pensando.
Estábamos utilizando la conversación para prácticamente todo: desarrollar ideas, guardar decisiones, aprobar diseños, producir imágenes y verificar resultados.
Pero una conversación, por larga que sea, no sustituye necesariamente a un sistema de trabajo.
Una cosa es que la inteligencia artificial tenga información sobre lo que hemos platicado y otra muy diferente es que cuente con una biblioteca organizada de referencias, diseños aprobados, restricciones y especificaciones que deba respetar.
Entonces comprendí que quizá el siguiente paso no era escribir mejores prompts.
Es diseñar un mejor proceso para trabajar con inteligencia artificial.
Separar la creatividad de la producción. Documentar las decisiones aprobadas. Conservar las referencias originales. Establecer criterios de calidad. Y utilizar las herramientas adecuadas para cada etapa.
Es decir, dejar de depender solamente de una conversación y comenzar a construir un método de trabajo que podamos repetir, evaluar y mejorar.
La inteligencia artificial no debería obligarnos a trabajar para ella.
Esta es una de las reflexiones más importantes que me llevo de este ejercicio.
Si para producir una campaña tengo que repetir las mismas instrucciones constantemente, corregir una y otra vez los mismos errores y reconstruir las decisiones que ya habíamos tomado, algo no está funcionando en nuestro proceso.
La promesa de la tecnología siempre ha sido ayudarnos a hacer mejor nuestro trabajo.
No convertirnos en operadores que pasan todo el día corrigiendo las decisiones de una herramienta.
Pero tampoco podemos esperar que la inteligencia artificial resuelva automáticamente cada problema sin proporcionarle contexto, estructura y criterios de evaluación.
Nuestro trabajo consiste en encontrar ese equilibrio.
Y ese equilibrio no siempre se descubre viendo un tutorial.
Muchas veces se descubre trabajando con un proyecto real, enfrentando los errores y entendiendo qué necesitamos cambiar.
¿Y qué pasa con quienes dicen que todo esto es fácil y rápido?
Veo constantemente demostraciones donde alguien escribe unas cuantas palabras y obtiene resultados impresionantes.
Y me parecen excelentes. También creo que tienen mucho valor porque ayudan a que más personas se acerquen a estas tecnologías.
Pero hay una diferencia importante entre demostrar que algo puede hacerse y demostrar que podemos hacerlo de manera consistente.
Crear una buena imagen es un resultado.
Producir una campaña completa, respetando una identidad gráfica, comunicando los mensajes adecuados y controlando la calidad durante todo el proceso, es una operación.
Y las operaciones necesitan método.
Por eso, cuando hablo de inteligencia artificial en mis cursos y talleres, suelo compartir una idea que quizá no resulta tan atractiva comercialmente:
La inteligencia artificial no es fácil, no es rápida y no es barata.
Al menos no cuando nuestro objetivo es implementarla profesionalmente y aprovechar todo su potencial.
Claro que puede ayudarnos a ahorrar muchísimo tiempo y recursos. Esa es precisamente una de las razones por las que la utilizamos.
Pero para llegar a ese punto necesitamos invertir en aprendizaje, experimentación y diseño de procesos.
La rapidez debería ser una consecuencia de haber construido una buena metodología, no necesariamente nuestro punto de partida.
Lo que realmente me dejó este experimento.
Todavía hay mucho por experimentar, cada semana salen nuevos modelos y seguramente seguiremos encontrando nuevas limitaciones, nuevas herramientas y mejores maneras de trabajar.
Pero hoy tengo más claro algo.
No quiero utilizar inteligencia artificial solamente para generar contenidos más rápido.
La uso para construir procesos que nos permitan trabajar mejor.
La uso para que una empresa pueda conservar su identidad y producir materiales sin comenzar desde cero cada vez.
Quiero que un equipo pueda documentar sus decisiones y aprovechar el conocimiento que va generando.
Busco que la tecnología nos ayude a reducir tareas repetitivas, mejorar la calidad de nuestro trabajo y dedicar más tiempo a pensar, crear e innovar.
Y, sobre todo, demostrar que un proceso funciona, no solamente decir que funciona.
Por eso seguiré experimentando.
Seguire cometiendo errores, le dedicare tiempo en algunas pruebas y descubriré que ciertas herramientas todavía no hacen lo que esperaba.
Pero también sé que cada uno de esos ejercicios me ayuda a comprender mejor cómo podemos aplicar la tecnología en situaciones reales.
Porque mi objetivo no es aprender a usar todas las herramientas que aparecen cada semana.
Mi objetivo es aprender a hacer que las herramientas tecnológicas trabajen para nosotros.
Y si para conseguirlo tengo que probar, evaluar, corregir y volver a intentar, entonces considero que ese tiempo es parte de la inversión.
Al final, para mí, de eso se trata la innovación.
No solamente de utilizar algo nuevo, sino de encontrar una mejor manera de hacer las cosas.
DCode | Creatividad, Innovación y Tecnología