En la charla que di hace unos días para AIM Chile, hice una pregunta simple con la mano alzada. ¿Quién usa IA generativa al menos una vez por semana? Casi todas las manos arriba. ¿Quién la usa todos los días, integrada en su rutina de trabajo? Bajaron bastantes. ¿Quién tiene hoy algo que trabaje de forma autónoma por ustedes —un agente, no un chat— sin que estén ahí escribiendo cada mensaje? Muy pocas manos quedaron arriba. Repetimos el mismo ejercicio en Research Got Talent y el resultado fue aún más llamativo: menos manos levantadas, incluso entre personas que son nativamente más digitales.
Las empresas y estudiantes usan IA. Se usan diariamente. Pero casi nadie la dejó trabajar sola todavía.
Esa brecha no es casualidad. La viví antes de tener nombre para ella. Hace 15 años en NIQ España, mis colegas me miraban como si fuera del futuro —yo pensaba que era por mi manejo del Excel; en realidad era una pantalla que titilaba haciendo la pega dura mientras yo me concentraba en dar valor. Años después, en CademSmart, aprendí la misma lección al revés: cuando una operación depende de demasiadas personas, es frágil. Subieron los costos, el riesgo se volvió inaceptable, y la vendimos.
Esa fragilidad fue la que no quise repetir en Almacenes Digitales Analytics. Estaba a punto de contratar dos personas más para poder dar valor en un canal con poca información. No las contraté. Hoy hago en dos horas lo que antes me tomaba cuatro días.
Pero el error que más veo en otros es pensar que lo difícil es que la IA entregue una respuesta. Lo difícil es saber si esa respuesta vale algo y no está cometiendo un error garrafal o simplemente esta alucinando.
Eso no lo resuelve ningún modelo. Lo resuelve el criterio.
El criterio se construye viendo categorías, clientes y ciclos repetirse con variaciones que solo se aprenden a distinguir con años encima. Un dato raro puede ser un error de captura o puede ser el primer síntoma de un cambio en la categoría. Esa diferencia no la enseña un curso, no la detecta la IA. Se gana mirando miles de números equivocarse y acertar. Años en el baile.
Lo que sí hace la IA —y esto es lo que de verdad cambió mi forma de trabajar— es moldear la información antes de que yo tenga que pensarla. Limpiar, cruzar, estructurar, validar, dejar un primer borrador listo para revisar. Ese trabajo antes me tomaba días. Hoy me toma horas.
Pero la revisión sigue siendo mía. Ajustar lo que el agente entendió mal, decidir qué hallazgo es ruido y cuál cambia la recomendación, ponerle una interpretación que tenga sentido de negocio y no solo sentido estadístico. Ese ir y volver entre lo que la máquina propone y lo que el criterio corrige es donde realmente se construye el insight.
No dejé de pensar. Dejé de perder tiempo. La ventaja competitiva de nuestra industria nunca fue la herramienta. Fue el ojo entrenado que sabe qué mirar, qué desconfiar y qué vale la pena perseguir.
Eso no se automatiza. Se gana.
La IA es la chispa. El criterio, el sentido.
Christian, CGO Almacenes Digitales Analytics
