“Ya he preparado el plan, echen un vistazo todos. Lo revisaremos mañana por la mañana.”
Inmediatamente después, se compartió un documento de más de veinte páginas.
El título era completo, el índice claro, e incluía tendencias del sector, análisis de usuarios, comparación con la competencia y plan de ejecución. A primera vista, parecía un plan bastante "profesional".
Pero tú, que eres responsable de su implementación, no llevabas ni diez minutos leyendo cuando encontraste los problemas.
Los datos de mercado citados en el plan no tenían fuentes identificables, la competencia presentaba una función que en realidad no existía, los llamados "puntos débiles del usuario" eran solo frases genéricas aplicables a cualquier sector, y lo más importante —el presupuesto, los plazos y la asignación de personal— no se abordaba en absoluto.
Al día siguiente, durante la reunión, la persona que redactó el plan dijo: "Esto es solo un borrador, los detalles específicos los tendremos que completar entre todos."
En ese momento, te diste cuenta de que la otra persona no había completado un plan, sino que había utilizado la IA para crear una nueva tarea para el equipo.
01
Antes, para determinar si un trabajo estaba terminado, solíamos fijarnos en si había un entregable. Ahora, ese criterio ha cambiado.
Con la IA, cualquiera puede generar en diez minutos un informe con una estructura completa, un plan con un lenguaje profesional o una presentación de diapositivas que parece muy informativa.
El problema es que "parecer terminado" no es igual a "estar realmente terminado".
En el extranjero hay un término llamado "Workslop", que podría traducirse como "basura laboral de IA" o "desperdicio de IA en el trabajo": resultados de trabajo generados rápidamente por IA, superficialmente completos, pero carentes de verificación de hechos, juicio profesional y valor real.
Su mayor inconveniente no es solo la baja calidad, sino que transfiere el costo del trabajo a otros.
La persona que lo genera ahorra dos horas, pero quien lo recibe tiene que invertir cuatro horas verificando la información, entendiendo la intención y corrigiendo los errores.
La eficiencia de una persona aumenta, mientras que la eficiencia de todo el equipo disminuye.
02
Una empresa empezó a animar a sus empleados a usar la IA, con la esperanza de que redujeran el trabajo repetitivo. Xiao Lin, del departamento de operaciones, encontró rápidamente un "método para mejorar la eficiencia".
Cada viernes, copiaba los datos del sistema para la IA y le pedía que generara automáticamente el informe semanal. Los informes eran bastante impresionantes:
"Esta semana, la actividad de los usuarios ha aumentado constantemente, la estrategia de contenido ha logrado resultados en etapas, se recomienda continuar centrándonos en las necesidades básicas de los usuarios y fortalecer la gestión operativa refinada."
Durante varias semanas seguidas, al jefe le pareció que no había ningún problema.
Hasta que una vez, cuando la empresa se preparaba para aumentar el presupuesto de inversión basándose en el informe semanal, el supervisor revisó casualmente los datos originales y descubrió que el supuesto "aumento de la actividad" se debía simplemente a un cambio en los criterios de medición.
La IA no sabía que se habían ajustado los criterios ni que esa semana había habido una actividad temporal. Simplemente, basándose en los números de la tabla, generó una explicación que sonaba plausible.
El supervisor tuvo que volver a verificar los informes del último mes, preguntando una por una las fuentes de los datos.
Es cierto que Xiao Lin solo había tardado diez minutos en escribir el informe semanal, pero para determinar si se podía confiar en ese informe, el supervisor empleó toda una tarde.
La IA ahorra el tiempo de quien escribe, pero consume la confianza de quien lee.
Durante la conversación sobre el desempeño a mitad de año, Amin, una gerente de producto, recibió un comentario muy "formal":
"Se recomienda seguir reforzando el pensamiento global, mejorar la eficiencia de la colaboración interdepartamental y fortalecer el enfoque en los objetivos y resultados en proyectos complejos."
Conocía cada palabra por separado, pero juntas no sabía qué debía cambiar exactamente.
¿En qué colaboración específica hubo un problema? ¿Qué significa "falta de pensamiento global"? ¿Hasta qué punto debe mejorar en la segunda mitad del año para que se considere que "ha fortalecido el enfoque en los resultados"?
Más tarde, Amin descubrió que el jefe solo había introducido algunas palabras clave en la IA para que las puliera y convirtiera en un comentario sobre el desempeño.
El jefe se ahorró el tiempo de organizar el lenguaje, pero Amin tuvo que pasar una semana tratando de adivinar qué quería decir realmente el jefe.
Un comentario verdaderamente efectivo no necesita necesariamente un lenguaje florido, pero sí debe contener hechos:
¿Qué sucedió? ¿Qué impacto tuvo? ¿Qué se espera que cambie concretamente la otra persona?
Si estas preguntas no tienen respuesta, la expresión más profesional solo transfiere la responsabilidad de pensar a quien recibe el comentario.
Había otro equipo que usaba la IA en casi todos los eslabones de su trabajo.
El personal de planificación la usaba para generar propuestas de actividades; el director de proyecto, para resumirlas; en las reuniones, el asistente la usaba para redactar las actas; y antes de una presentación, el responsable pedía a la IA que expandiera las actas en una presentación de diapositivas.
Todo el proceso era muy fluido y los documentos aumentaban cada vez más, hasta que un cliente preguntó en una reunión: "¿Por qué creen que a los usuarios jóvenes les gustará esta función?"
De repente, se hizo el silencio en la sala.
La propuesta decía "se ajusta a la tendencia de los usuarios jóvenes de buscar expresar su individualidad", la presentación decía "responde con precisión a las necesidades de los usuarios de la nueva generación", pero nadie había entrevistado a usuarios ni había revisado datos relevantes.
Todos habían estado en contacto con el proyecto, pero nadie había estudiado realmente el problema.
Al final, el equipo poseía decenas de páginas de documentos, pero no había una sola persona que pudiera responsabilizarse de las conclusiones que contenían.
03
Lo que la IA realmente amplifica son los hábitos de trabajo de una persona. Usando la IA de la misma manera, algunas personas se vuelven más fuertes, mientras que otras solo se vuelven más hábiles para cumplir con el mínimo.
La diferencia no está en escribir bien o mal las indicaciones (prompts), sino en si trata a la IA como un "asistente" o como "alguien que asume la responsabilidad por uno".
Las personas que trabajan con seriedad usan la IA para organizar materiales, comparar ideas, revisar la expresión y luego verifican personalmente los hechos, añaden información de primera mano y juzgan si el plan es viable.
Las personas con tendencia a ser superficiales, en cambio, enviarán directamente la primera versión generada por la IA, dejando una nota: "Esto es solo un borrador, podemos mejorarlo entre todos."
Para juzgar si un trabajo tiene valor, no podemos fijarnos solo en lo rápido que se completó, lo bonito que es su formato o cuántas herramientas de IA se utilizaron.
Es más importante hacerse tres preguntas:
¿Proporciona hechos nuevos? ¿Toma decisiones claras? ¿Hay alguien dispuesto a responsabilizarse por el resultado?
Por supuesto, la IA puede ayudarnos a escribir informes semanales, redactar actas de reuniones, hacer presentaciones de diapositivas, analizar materiales e incluso proponer un marco preliminar para un plan.
Pero no puede entender la situación sobre el terreno por nosotros, no puede juzgar los pros y los contras por nosotros, ni puede asumir las consecuencias de nuestras decisiones por nosotros.
Este artículo proviene del WeChat Official Account "猎聘" (ID: liepinwang), autor:抹茶锅包肉
