Nueve verbos, una frontera dentada.

Serie «Entender la IA», nota 4 de 12. Ya sabe qué es un modelo de lenguaje, cómo trabaja por dentro y en qué se diferencia del software y de los robots de proceso. Esta nota responde a la pregunta que me hacen en la primera reunión: «Bien, ¿y qué hace exactamente en mi empresa?»

Lunes, 8:15, una fábrica de muebles en Valencia, ochenta empleados. El director general ha pedido a cada responsable de departamento una lista con «dónde podría ayudarnos la IA». Sobre su mesa hay cuarenta y dos propuestas. Ventas quiere que redacte las ofertas. Administración quiere que lea las facturas de los proveedores. Producción quiere que prediga cuándo se va a romper la máquina de cantear. Recursos humanos quiere un asistente para las preguntas sobre vacaciones. Marketing quiere vídeos. Y el responsable de calidad, que es el más escéptico, ha escrito una sola línea: «¿Y quién revisa lo que hace?»

La escena es imaginaria. Las cuarenta y dos propuestas, no: es lo que ocurre cuando se pregunta sin un mapa. Y las cuarenta y dos no valen lo mismo. Algunas las resuelve una regla de software. Otras son exactamente lo que un modelo de lenguaje hace mejor que nadie. Otras son, hoy, una promesa de catálogo. Esta nota es el mapa que yo pondría sobre esa mesa: nueve verbos, siete departamentos, cuatro estudios que han medido resultados de verdad y una advertencia.

La pregunta no es «¿dónde puede ayudar la IA?». Es «¿qué verbo necesito aquí, y qué pasa cuando lo conjuga mal?».

Los nueve verbos.

Un modelo de lenguaje no «hace IA». Hace cosas concretas con texto, y desde hace poco con voz e imágenes. Si las conoce por su nombre, cada propuesta de su empresa se vuelve comparable con las demás.

• Clasificar. Leer algo y decir de qué tipo es: este correo es una reclamación, esta factura es de transporte, esta llamada es urgente. Es el verbo más fiable y el que más valor silencioso aporta, porque ordena lo que después procesará el software de siempre.
• Extraer. Sacar datos concretos de un texto desordenado: el número de pedido de un correo, el importe y la fecha de una factura escaneada, las cláusulas de penalización de un contrato. Lo que antes tecleaba una persona.
• Resumir. Convertir treinta páginas en una, una reunión de una hora en cinco líneas, cien reseñas en tres temas. Muy bueno, con un riesgo: el resumen omite, y usted no ve lo que omite.
• Redactar. Un primer borrador de una oferta, una respuesta a un cliente, una descripción de puesto. Es lo que la mayoría de la gente ya hace a escondidas. Lo veremos en cifras.
• Traducir. Entre idiomas, y también entre registros: lo técnico en lenguaje llano, lo informal en formal. Para una empresa suiza que atiende en cuatro idiomas, es a menudo el primer uso rentable.
• Responder con sus documentos. Contestar preguntas leyendo, en cada consulta, los manuales, tarifas y políticas aprobadas por la dirección, y citando de dónde sale cada dato. Es la base de cualquier asistente serio. La técnica se llama recuperación y se la explico en la nota 5.
• Transcribir y hablar. Convertir voz en texto y texto en voz. Las llamadas, las reuniones y las notas dictadas en el coche se vuelven texto sobre el que aplicar los verbos anteriores.
• Ver. Leer documentos escaneados, fotos de albaranes, planos, etiquetas. Lo que hace poco exigía un programa especializado de reconocimiento de caracteres, hoy lo hace el mismo modelo que escribe.
• Programar. Escribir y corregir código. Es el verbo que más ha cambiado el sector de la tecnología, y el motivo por el que las automatizaciones a medida se han vuelto mucho más baratas de construir.

Observe lo que no está en la lista: decidir. Un modelo puede proponer una decisión, ordenar las opciones y argumentar. Pero la decisión, en cualquier cosa con consecuencias, es un verbo que se queda con una persona, por las razones de la nota 2: el modelo predice lo probable, no lo correcto, y tiende a decirle lo que usted quiere oír.

Siete departamentos, con sus verbos.

Vuelvo a las cuarenta y dos propuestas de la fábrica y las ordeno con el mapa. No es una lista de lo posible; es una lista de lo que he visto funcionar o de lo que los estudios han medido.

• Atención al cliente. Clasificar y responder con documentos. El modelo ordena la bandeja, propone la respuesta y la persona la revisa o la envía. Es el departamento con mejor evidencia, como verá en un momento, y también el de la advertencia de Klarna.
• Administración y finanzas. Extraer y clasificar. Facturas de proveedores leídas y contabilizadas con una revisión final; conciliación de movimientos; reclamación automática de cobros vencidos. Aquí el modelo ordena y el software ejecuta. Es, con diferencia, el lugar donde más dinero se recupera por franco invertido, y el que menos presupuesto suele recibir.
• Ventas. Redactar, resumir y extraer. Preparación de una reunión a partir de todo lo que la empresa sabe del cliente; borrador de oferta a partir de una plantilla aprobada; resumen de la llamada en el sistema comercial sin que el vendedor teclee nada.
• Recursos humanos. Responder con documentos y redactar. Un asistente interno para las preguntas de siempre, que lee el convenio y el reglamento y cita el artículo. Y una advertencia: la selección de personal con IA está regulada de forma estricta en la Unión Europea y es terreno delicado en Suiza. No es un verbo para empezar.
• Legal y cumplimiento. Extraer y resumir. Comparar un contrato recibido con la plantilla propia y marcar las diferencias; resumir una norma nueva. Siempre con una persona que firma, y con la lección de Mata contra Avianca de la nota 2 muy presente.
• Marketing. Redactar y traducir. Primeros borradores, variantes, adaptación a cuatro idiomas. Es donde más se gasta y donde menos se mide; lo veremos en la nota sobre costes.
• Operaciones y producción. Clasificar y ver. Partes de incidencias dictados por voz y clasificados; fotos de un defecto comparadas con el catálogo de defectos. Lo de predecir cuándo se rompe la máquina de cantear es otra familia de IA, la de los sensores y las series temporales, y exige años de datos que casi nadie tiene.

Lo que se ha medido de verdad.

Aquí es donde separo lo que sé de lo que me cuentan. Hay cuatro estudios que cito en casi todas las reuniones porque midieron con grupos de control, en empresas o tareas reales, y publicaron los números completos.

El primero es de atención al cliente. En abril de 2023, Brynjolfsson, Li y Raymond publicaron en el National Bureau of Economic Research el estudio de 5179 agentes de soporte de una empresa de software a los que se dio, de forma escalonada, un asistente de IA que sugería respuestas. La productividad, medida en consultas resueltas por hora, subió un 14 % de media. Y el dato que más me interesa: los agentes con menos experiencia mejoraron un 34 %, mientras que los más expertos apenas cambiaron. El asistente, en la práctica, transmitía a los nuevos lo que los veteranos sabían. La rotación bajó. Es el mejor argumento que conozco a favor de la IA como herramienta de formación encubierta.

El segundo es de redacción. En julio de 2023, Noy y Zhang publicaron en Science un experimento con 453 profesionales con formación universitaria haciendo tareas de escritura propias de su trabajo. Con ChatGPT tardaron un 40 % menos y la calidad, evaluada por otros profesionales, subió un 18 %. Igual que en el caso anterior, quienes peor escribían al principio fueron los que más ganaron. La herramienta acorta distancias hacia arriba.

El tercero es el que cambia la forma de pensar. En septiembre de 2023, un equipo de Harvard, el MIT, Wharton y el Boston Consulting Group puso a 758 consultores de BCG a hacer tareas reales, unos con GPT-4 y otros sin él. En las tareas que estaban dentro de lo que el modelo hace bien, los que lo usaron completaron un 12,2 % más de tareas, un 25,1 % más rápido y con un 40 % más de calidad. Pero los investigadores incluyeron a propósito una tarea que parecía igual de fácil y que estaba justo fuera de esa capacidad, una que exigía cruzar datos con entrevistas y aplicar juicio. Ahí los consultores con IA acertaron bastante menos que los que trabajaron sin ella: el grupo sin IA acertó en el 84 % de los casos y los grupos con IA se quedaron entre el 60 % y el 70 %. Los autores lo llamaron la frontera dentada: la capacidad del modelo no es un círculo que crece, es una línea irregular en la que dos tareas vecinas pueden caer a lados distintos, y desde fuera no se ve dónde está la línea.

Esa es la advertencia que casi nadie incluye en la presentación. La misma herramienta que hace a su equipo un 25 % más rápido en una tarea lo hace peor en la de al lado, y lo hace peor con confianza, porque la gente tiende a aceptar lo que el modelo propone cuando está bien escrito. El estudio describe dos maneras de trabajar que lo evitan: el centauro, que reparte el trabajo y hace unas tareas con la máquina y otras sin ella, y el cíborg, que mezcla ambas en cada paso pero comprueba sin descanso. Ninguna de las dos consiste en delegar.

El cuarto estudio es, en realidad, una historia con dos partes, y conviene contarla entera. En febrero de 2024, la empresa sueca de pagos Klarna anunció que su asistente de IA había mantenido 2,3 millones de conversaciones con clientes en su primer mes y hacía el trabajo equivalente a 700 agentes. Fue el caso más citado del año en las presentaciones. En mayo de 2025, su consejero delegado reconoció públicamente que la apuesta había producido una calidad más baja y que volvía a contratar personas para la atención al cliente, con la IA como apoyo y no como sustituto. No es un fracaso de la tecnología. Es la frontera dentada aplicada a toda una empresa: funcionó donde el modelo hace bien el verbo, y falló donde el cliente necesitaba a alguien con criterio.

Lo que ya pasa en su empresa, sin que usted lo sepa.

Hay un último dato que recomiendo tener presente antes de decidir nada. En mayo de 2024, Microsoft y LinkedIn publicaron una encuesta a 31 000 personas en 31 países. El 75 % de los trabajadores del conocimiento ya usaba IA generativa en su trabajo, y el 78 % de ellos usaba herramientas propias, no proporcionadas por la empresa. La mayoría no se lo contaba a nadie. Esto significa que la pregunta «¿adoptamos la IA?» llega tarde. Su equipo ya la adoptó. La pregunta real es si lo hace con las herramientas, los datos y las reglas de la empresa o con una cuenta gratuita y los datos de sus clientes. Se lo detallo en la nota sobre seguridad.

1. Esta semana

   Pida las propuestas, pero con verbo

   Que cada responsable escriba su idea con uno de los nueve verbos. Lo que no cabe en ninguno suele ser software clásico o una promesa.

2. Esta semana

   Marque la frontera

   En cada propuesta, escriba al lado qué pasa si el modelo se equivoca con confianza. Donde la respuesta sea «nadie se daría cuenta», hace falta una revisión.

3. Este mes

   Empiece por administración

   Facturas, conciliación, cobros. Menos vistoso que un vídeo, más dinero y menos riesgo.

4. Este mes

   Pregunte a su equipo qué usa ya

   Sin castigo. Descubrirá qué verbos necesitan y con qué datos los están conjugando fuera de casa.

Cómo lo planteo yo.

Cuando entro en una empresa no pregunto dónde podría ayudar la IA. Recorro los departamentos con los nueve verbos y una libreta, y apunto tres cosas por proceso: cuántas horas se van, qué verbo falta y qué ocurre si se conjuga mal. Al final hay un mapa con tres colores: lo que resuelve una regla, lo que resuelve un modelo con revisión y lo que hoy no se toca. El Diagnóstico Estratégico que ofrezco es exactamente ese mapa, hecho con sus números.

Haga el ejercicio con su propia semana. Apunte las cinco tareas que más tiempo le quitan y escriba al lado el verbo que les corresponde. Alguna no tendrá ninguno, y eso también es información.

Ahora mire la que más le gustaría quitarse de encima y hágase la pregunta que de verdad importa: si un modelo se equivocara en ella con toda confianza, ¿cuánto tardaría alguien en darse cuenta?

Siguiente nota: cómo se conectan los verbos entre sí. Qué es la recuperación, qué es una herramienta, qué es de verdad un agente y por qué un sistema de catorce pasos que acierta el 95 % de las veces en cada uno falla la mitad de las veces en total.