El Frankenstein de Mary Shelley se recuerda por el momento en que un conjunto de partes sin vida se convierte en algo nuevo. El relámpago es dramático, pero no es el logro principal. Antes de que la criatura pudiera moverse, hubo que elegir, comprender y ensamblar las partes hasta formar un todo funcional.

El entusiasmo por la inteligencia artificial suele obsesionarse con el relámpago. Adoptamos nuevas herramientas, lanzamos agentes y esperamos una magia instantánea. Pero la chispa resulta engañosa. La IA no pone orden en el trabajo simplemente por estar conectada a él. Automatizar la confusión solo produce confusión más rápida. La IA puede animar una tarea, pero no puede inventar un propósito que nadie sabe explicar.

El verdadero comienzo es tranquilo y poco glamuroso. Es una conversación, a veces con otras personas y a veces con nosotros mismos, sobre qué intentamos lograr, por qué importa y cómo avanza el trabajo de una decisión a la siguiente. Solo entonces puede descomponerse, cartografiarse, simplificarse y reconstruirse en algo que funcione.

Un método, no un milagro

El camino hacia adelante es más sencillo de lo que sugiere la tecnología. Es una secuencia de pasos ordinarios, seguidos con disciplina:

01 Dividir — Divide el trabajo en partes pequeñas y manejables.

02 Dibujar — Mapea el flujo para que todos vean la misma imagen.

03 Comprender — Explica claramente cómo se relaciona cada parte con la siguiente.

04 Simplificar — Reduce cada paso a su función esencial.

05 Automatizar — Aplica la IA de forma selectiva, solo donde aporte un valor real.

06 Ensamblar — Vuelve a conectar las partes en un todo unificado y vivo.

Antes de automatizar hay que explicar

Casi todo lo que merece la pena hacer está construido a partir de pasos. Un pódcast pasa por la investigación, la grabación, la edición y la publicación. Un viaje conecta fechas, rutas, reservas y planes alternativos. Una factura se convierte en un pago solo después de ser recibida, leída, comprobada, aprobada y registrada.

Estas secuencias pueden resultar familiares a quien las ejecuta, pero la familiaridad oculta las lagunas. Omitimos pasos que consideramos obvios. Describimos un resultado sin decir cómo se alcanza. Usamos las mismas palabras para referirnos a cosas distintas.

La comunicación clara no es una habilidad blanda que rodea a la IA. Es el corazón del trabajo. Antes de encomendar una tarea a un agente, debemos convertir lo que sabemos por costumbre en algo que podamos expresar con claridad. Debemos describir el recorrido normal, las excepciones, la lógica y cómo es un buen resultado.

Trabajar con la IA para aclarar el razonamiento

Podemos utilizar un chatbot de IA como caja de resonancia antes de construir nada. Al describir el trabajo en un lenguaje sencillo —primero hacemos esto, después comprobamos aquello; si es válido, continuamos; si no, lo apartamos para revisarlo—, el ejercicio revela la lógica que falta. El chatbot puede hacer preguntas, detectar lagunas y reformular el trabajo con mayor claridad.

El valor no está en que la IA entienda el trabajo mejor que nosotros. No es así. Su valor está en que actúa como un entrevistador incansable. Se da cuenta cuando una explicación salta de recibir una solicitud a entregar un resultado sin decir cómo se comprobó nada. Pregunta quién gestiona las excepciones, qué detalles son esenciales y dónde debe conservarse la información.

Este ejercicio crea un plano compartido: instrucciones claras para cada parte, una guía sencilla sobre qué hacer cuando algo sale mal y suficiente contexto para cualquier otra persona involucrada. La IA organiza la lógica, pero nosotros conservamos la responsabilidad sobre el propósito.

Si aún no está claro, dibújalo

Las palabras son necesarias, pero pueden ocultar lagunas. Un párrafo largo puede disimular fácilmente un traspaso que falta, una decisión que no conduce a ninguna parte o un bucle sin salida. Cuando el trabajo parece escurridizo, conviértelo en una imagen.

Un buen mapa muestra dónde entra la información, dónde se toman las decisiones, quién gestiona las excepciones y qué marca la finalización. Ver el conjunto de una vez nos ayuda a poner a prueba el objetivo, permite que otros confirmen que coincide con la realidad y facilita llevar la lógica a la práctica.

El dibujo debe complementar, no sustituir, la explicación escrita. El mapa ofrece estructura de un vistazo; las palabras aportan reglas y contexto. Juntos asignan a cada agente de IA un lugar definido dentro de algo que podemos ver.

La simplicidad es una disciplina

Una vez que el trabajo es visible, podemos dividirlo en partes más pequeñas. El objetivo es aislar cada paso hasta que pueda entenderse por sí solo. Cada parte debe tener una entrada clara, una función, un resultado esperado y una regla clara sobre qué hacer cuando algo sale mal.

Si un paso no puede describirse en una sola frase breve, es demasiado complejo. Si su resultado no puede comprobarse, sus límites no están bien definidos. Si nadie es responsable de él, el diseño está incompleto.

La simplicidad no es una cuestión de estilo. Es una disciplina: la práctica deliberada de trabajar con lo mínimo necesario. Las partes sencillas se construyen más rápido, se prueban con mayor facilidad y son más fáciles de mantener. Cuando algo falla, una parte enfocada revela de inmediato el origen del fallo. Amontonar muchas tareas en un único superagente produce una demostración impresionante, pero una caja negra imposible de reparar cuando aparecen errores.

Pensar en conjuntos, construir por partes

Dividir el trabajo en piezas es solo la mitad de la tarea. También debemos entender cómo se afectan esas piezas entre sí. El resultado de un paso se convierte en el punto de partida del siguiente. Un atajo tomado al principio puede crear problemas más adelante.

Ese es el valor de pensar en conjuntos, o de aplicar el pensamiento sistémico. Mantiene el objetivo a la vista mientras el trabajo se divide en partes. Un paso que resume un documento puede hacerlo a la perfección y, aun así, el trabajo no habrá tenido éxito si el resumen llega al lugar equivocado o deja fuera algo esencial. Mejorar una parte sirve de poco si el conjunto se desmorona.

El principio es sencillo: entiende primero el conjunto y después constrúyelo a partir de partes simples. El conjunto protege el propósito; las partes protegen la claridad y la responsabilidad.

Una prueba práctica: ensamblado pieza a pieza

Para ver el método en acción, tomemos una tarea cotidiana como gestionar una factura. Una persona o un grupo comienza definiendo el objetivo: reducir errores, acelerar las aprobaciones y detectar importes inusuales. Analizan el trabajo actual con un chatbot de IA, cartografiando los hábitos informales y los casos excepcionales hasta que la imagen refleja la realidad.

A continuación, el trabajo se divide en pasos más sencillos:

• Recepción recibe el archivo.
• Extracción lee el proveedor, la fecha, los impuestos y el total.
• Verificación comprueba los detalles con registros anteriores.
• Marcado señala cualquier elemento inusual.
• Liquidación envía el archivo para su aprobación o revisión humana.

Cada parte se prueba con ejemplos rutinarios, complicados y defectuosos. ¿Qué ocurre si falta el total o el proveedor es nuevo? Cada excepción recibe un destino claro: volver a intentarlo, dejar constancia de lo ocurrido o pasárselo a una persona. El éxito se mide por la fluidez con la que funciona toda la cadena, no por cuánta IA se ha introducido en ella.

Construye pensando en las personas que vendrán después

La criatura debe sobrevivir a sus creadores. Las herramientas cambiarán, el software se actualizará y las personas seguirán adelante. Cualquier cosa que dependa de la memoria privada de quien la construyó no perdurará.

Un breve registro escrito debería explicar por qué existe el trabajo, cómo se conectan las partes, adónde van las excepciones y en qué momento una persona conserva la decisión final. Alguien que llegue más tarde debería poder seguir la lógica sin tener que adivinar.

Mantener las cosas sencillas hace que los cambios posteriores sean indoloros. Si aparece una herramienta mejor para una parte, podemos sustituir esa pieza sin reconstruir el resto. La herramienta es temporal. Nuestra comprensión del trabajo es el activo duradero.

El momento de la animación

Trabajar bien con la IA no consiste en colocarla en todas partes. Consiste en poder observar lo que hacemos, explicarlo con claridad, hacer visible su lógica, dividirlo en partes sencillas y decidir dónde ayuda realmente la IA, sin perder de vista el propósito.

El relato de Mary Shelley termina en tragedia porque Victor Frankenstein nunca se detuvo a considerar por qué había dado vida a su criatura. Abandonada sin propósito ni dirección, la criatura se perdió y se desorientó, hasta destruir finalmente tanto al creador como a su creación. La automatización sin anclaje entraña un riesgo similar: un sistema de IA desplegado sin una intención clara acaba creando confusión y volviéndose contra el trabajo al que debía servir.

La lección no es temer a la chispa, sino merecerla. Cuando entendemos el trabajo, lo simplificamos y seguimos siendo responsables de su dirección, la criatura que ensamblamos nos sirve en lugar de escapársenos. La IA puede proporcionar la chispa. El propósito, el juicio y la forma de lo que creamos siguen siendo nuestros.