Remote Frog

Hace un mes me lo pasé genial junto con Marcos González -y aprendí mucho de él- animando una discusión sobre IA con algunos gerentes y técnicos en Pymes. En nuestro planteamiento ya habíamos planteado que antes de nada se necesita una estrategia.

¿La estrategia es para empresas grandes?

No. El término asusta: parece que vamos a dedicar más tiempo a ella que a actuar, que vamos a ser menos flexibles… Pero estrategia es solamente una palabra muy inflada para decir que en lugar de que cada uno haga lo que quiera o lo que piense que es mejor, si queremos no derrochar esfuerzos y recursos es mejor…

1. Saber lo que queremos lograr. Lo que queremos lograr no es ‘Usar IA’. La IA es una herramienta.
2. Pensar cómo lo vamos a conseguir. De nuevo, no necesito un documento de 20 páginas. En un folio puedo decir Qué hacemos primero y como y qué cosas no vamos a hacer. Luego lo pongo en bonito y lo pego en la pared. Por ejemplo.
3. Que cada persona tenga un papel y las decisiones que tome sigan el plan que hemos acordado. Que todos tiremos en la misma dirección. No queremos silos haciendo cosas que no tengo claro para que me valen ni pequeños reinos de taifas conviviendo con negacionistas de la IA.

Ojo, el plan se puede cambiar. Yo no creo en el amor a primera vista ni en hacer las cosas perfectas a la primera. Si algo veo que no está funcionando, itero y lo mejoro. Y continuo. Pero sin plan ni sé a donde voy, ni sé cómo quiero llegar. Y si no lo sé yo -gerente- no espero que lo sepa nadie.

¿Por qué una estrategia y no improvisar? La diferencia entre tener éxito con IA y tirar el dinero o el tiempo y que otro me coma la tosdata está en estos 4 puntos fundamentales.

1. Invierte en herramientas de pago (y no seas tiñoso).

En España nos cuesta gastar, pero hemos de recordar que (1) comprar una herramienta de IA es invertir y (2) las versiones gratuitas de herramientas son para probar o pequeñas cosas, no para trabajar en serio.

Existe la tentación de encontrar una herramienta que funciona y en lugar de invertir en pagar por ella, invertir tiempo (que es dinero) en intentar encontrar otra herramienta que haga lo mismo gratis. ¿Y por qué iba a haber alguien ofreciendo lo mismo gratis? A lo mejor no es lo mismo.

Cuando pagas por una herramienta de IA puedes estar pagando por muchas cosas como las que te listo a continuación en los puntos siguientes. Pero fijate… ¡Es un párrafo largísimo! Qué te parece esto: Para una persona que cobra 2.000 € (bruto) y cuesta a la empresa 2900 € al mes (+650€ de SS +200€ oficina&herramientas), recupero los 50€ de una app de pago en 2,8 h que esa persona ahorre. Es decir, menos de lo que se tarda en buscar una alternativa gratis a una que funcione para luego probarla y descubrir que no es lo mismo.

Sino te vale el ahorro… esto es lo que pagas en una app de pago.

• Límites de uso profesionales. Los niveles gratuitos tienen menos mensajes, menos prioridad y más restricciones (Por ejemplo en ChatGPT Free, Plus y Enterprise)
• Características Avanzadas. Evidentemente, cuando pagas tienes más cosas que marcan una diferencia. Por ejemplo:
  • Perplexity (pro / enterprise Pro). Más búsquedas potentes (Pro Search / Deep Research) y uso mucho más alto o ilimitado. Uso avanzado de archivos: subir muchos documentos, analizar y cruzar info en una sola investigación. Elección de modelos avanzados (modelos más potentes y actualizados). Spaces / proyectos compartidos para equipos y colaboración. Búsqueda en conocimiento interno (docs y fuentes propias conectadas). Controles enterprise: SSO, gobierno de datos, cumplimiento (SOC2/RGPD) y garantías de que los datos de la empresa no entrenan modelos públicos <- Esto último a mi me parece fundamental.
  • ChatGPT (Plus / Team / Enterprise). Modelos más potentes y rápidos (por ejemplo GPT‑4) que no están o están muy limitados en gratis. Ventanas de contexto mucho más grandes para manejar documentos largos y conversaciones extensas (no tener que explicar 2 veces lo mismo). Advanced Data Analysis (Code Interpreter): subir ficheros, analizar datos, generar gráficos, ejecutar código seguro. Menos límites de uso (más mensajes, más throughput) y prioridad en recursos. SSO, administración de usuarios, espacios compartidos y políticas centralizadas. Garantías de no usar tus datos para entrenar modelos públicos, plus seguridad y compliance enterprise (SOC2, etc.).
  • Cursor (planes de pago). Límites mucho más altos de uso de IA (más completions y más contexto al día). Mejor contexto de repo: puede usar más archivos y más tamaño de proyecto a la vez. Más “rules” y opciones de configuración por proyecto (estilo de código, lineamientos). Mejor rendimiento para tareas pesadas: refactors grandes, generación de archivos completos, tests, etc. Funciones de equipo: compartir configuración de IA, políticas comunes, gestión centralizada.
  • A veces no es pagar por una herramienta de IA sino por el premium de algo que ya usas y que permite integrar/usar IA. Por ejemplo, en WordPress.com, los planes de pago te dan mucho más uso del asistente de IA sin límites tempranos, mejor integración en el editor para redactar y rehacer textos, acceso a más opciones de diseño y dominios propios para que lo generado se vea profesional, y la posibilidad de instalar plugins de IA avanzados (chatbots, generación masiva de contenido, automatizaciones) que no están disponibles o están muy limitados en el plan gratuito.
• Integraciones con tus otros sistemas para que la IA deje de ser una pestaña aislada y empieces a hacer magia sin andar copiando y pegando o que directamente la IA esté diseñada para tú flujo de trabajo y haga directamente lo que necesitas. Para esto puedes buscar en https://theresanaiforthat.com/ donde a día de hoy hay listadas 44,632 AI tools para 11,353 tareas diferentes o 5,167 trabajos. Por ejemplo, hoy veo 37 AI tools para restaurantes y alguna interesante para preparar auditorías ISO…
• Seguridad y compliance: Certificaciones y cumplimiento: SOC2, ISO 27001, RGPD, Protección de datos: cifrado en tránsito y en reposo, buena gestión de claves Control de acceso, Gobernanza y uso de datos: opción contractual de que tus prompts y documentos no se usen para entrenar modelos generales, solo tu instancia, Residencia y retención: elegir región (por ejemplo UE), reglas de cuánto tiempo se guardan y cómo se borran datos, Auditoría y monitorización: logs de quién accede a qué, detección de usos anómalos e informes para auditoría, Respuesta a incidentes: plan claro si hay brecha, notificaciones y tiempos de recuperación definidos.
• Soporte técnico real. Cuando la IA está en un elemento crítico, no puedes permitirte que el sistema caiga de madrugada. Ejemplo: Chatbots con soporte 24/7 con distintos SLA y canales para planes, precisamente para garantizar continuidad del servicio.

2. Ante la duda: compra y prueba.

Crees que hay una herramienta que podría valerte para mejorar un flujo, para ganar tiempo con algo, para facturar más, para ganar clientes… ¿Hay una posibilidad de que alguna herramienta de AI podría gneerarte facturación o ahorros por más de los 30 euros que cuesta al mes? Aunque esa posibilidad sea remota, no te quedes paralizado analizando. La mayoría de herramientas tienen periodos de prueba o garantías de devolución, pero aunque no los tengan, lo que aprenderás sobre las propias herramientas, o lo que te harán reflexionar con lo que ofrecen sobre el modo en que haces las cosas merecen esos 30 euros.

Dicho de otro modo… mira el gasto medio por comunidad autónoma en lotería por habitante. Hay mucha más probabilidad de que encuentres una app que te solucione la vida que de que te toque la lotería.

3. Aprende haciendo.

En nuestro Capacitation Framework de Automattic hemos apostado por un modelo para convertirse en Competente/Experto/Nativo en IA en el que cada persona atraviesa cuatro fases: primero explorar y ganar familiaridad con las nuevas habilidades; después practicar de forma sistemática; a continuación guiar a otros y compartir su experiencia; y, finalmente, innovar aplicando la IA para crear soluciones y mejoras reales en su trabajo.

Y para avanzar, hay que aprender. Y no creemos que se aprenda yendo a cursos. No solo. Aprendemos haciendo (Otra vez más hablando de constructivismo, ¡Como si se hubiera inventado ayer!). Si quieres entender en 3 minutos qué es el constructivismo y cual es su lugar en las corrientes pedagógicas podrías leer este post de hace 12 años que sigue siendo relevante, claro y conciso.

De modo que te sugiero que consideres que aprendes AI de las siguiente manera:

• Prevé que dos tercios del aprendizaje ocurren haciendo cosas. Tocando, probando, rompiendo, equivocandose y mejorando iterativamente -poco a poco- nuestra solución a problemas reales. De esto tratan en realidad los dos primeros puntos: si hay una herramienta de IA o una capacidad IA de una herramienta que ya usas… ¡Ve por ella! Dale una oportunidad y aprende.
• Del tercio que queda, dos tercios del aprendizaje ocurren compartiendo con otros compañeros (Aprendizaje Social). Esto puede ser ya dentro de la empresa, poniendo en común lo aprendido o yendo a eventos, congresos, reuniones, donde se pueda charlar y compartir con personas que compartan nuestras mismas preocupaciones, problemas…
• El tercio del tercio correspondería a aprendizaje formal: cursos presenciales o Mooc, certificaciones, libros, manuales.

En otras palabras, primero úsa AI para resolver problemas reales. Luego aprende con y de tus compañeros. Después ya harás el curso si quieres.

4. Crea una cultura donde se documenta y comparte lo que se aprende.

Para ello tenemos que habilitar una “pizarra” donde el equipo comparta

• Qué herramientas estamos probando / hemos probado.
• Para qué casos de uso funciona y para cuales no funciona. Para qué lo recomendamos.
• Qué flujos de trabajo dan buenos resultados
• Qué errores hemos cometido

Si, claro, una pizarra, como en las pelis de startups. Bueno, pues podría ser, pero si aspiro a probar un buen número podría ocurrir que se me quede pequeña. La pizarra puede ser un documento Word compartido, un blog interno, un canal de Slack, tarjetas en Trello o lo que te guste más. Lo importante es que sea accesible y que se cree una cultura en que se premie que todos contribuyan.

¿Y si trabajo yo solo en la empresa? Pues aún la pizarra es útil para autodocumentar. Y valora muy especialmente charlar con compañeros de profesión o de entorno y compartir con ellos lo aprendido y aprender de ellos.

Epílogo. Como cumplir con todo de un plumazo.

La primera versión de ChatGpt de OpenAI, que disparó la fiebre apareció el 30 de noviembre de 2022. Nuestro CEO, Matt, nos dio el pistoletazo de salida para el uso de IA animándonos a probar cualquier herramienta de IA que pensaramos que podría significar una mejora de productividad, justo al acabar la Navidad de ese año. Automattic cubriría el costo por el tiempo de la prueba y posteriormente si considerabamos que nos era útil y a cambio solo teníamos que poner en común la experiencia de manera explicita y visible para los compañeros, sugiriendo o no su uso para según que casos de uso.

A día de hoy, tenemos un límite mensual generoso para herramientas de IA sin necesidad de validación (revisado hace poco más de un mes). Para gastos mayores, existe un proceso muy ligero: explicar qué necesitas y para qué. A cambio, nos comprometemos a compartir lo aprendido de forma que sea fácil de encontrar y enlazar:

• Documentación en pizarras – repositorios accesibles donde cualquier compañero pueda buscar y enlazar conocimiento.
• Demos en vivo – sesiones en Zoom donde mostramos cómo usamos IA en contextos interesantes, con grabaciones para quien no pueda asistir
• Shadowing – Observar como un compañero trabaja con IA, para aprender con el, incluso reparando en elementos que pueden pasar inadvertidos cunado explicas lo que haces.
• Talleres de AI, puesta en común, o proyectos grupales en meetups.
• …

El trato es simple: libertad para experimentar a cambio de generar conocimiento colectivo. Invertir, Probar, Aprender Haciendo y Compartir. ¿Ves como no es tan dificil aplicar una estrategia?