Aplicar inteligencia artificial en una empresa empieza por identificar una tarea, explicar su contexto y definir cómo se revisará el resultado. Xavi Laballós, cofundador de Growth Hacking Course, conversa con Edgar Guerrero sobre esa adopción práctica y sobre la formación necesaria para aprovecharla. El capítulo 26 de Toque de Ingenio permite trasladar estas preguntas al trabajo de una empresa de ingeniería: qué delegar, qué información aportar y qué decisiones deben conservar criterio profesional.
Invitado: Xavi Laballós, cofundador de Growth Hacking Course y TheGrowthAgency.io.
Conversación publicada: 4 de noviembre de 2024. Episodio: 26. Duración: 1 h 48 min.
En este capítulo:
- Cómo pasar de una prueba aislada con IA a un uso ligado a tareas habituales.
- Por qué el contexto, la documentación y la revisión influyen en la calidad de las respuestas.
- Qué diferencia existe entre obtener un borrador y resolver un proceso empresarial completo.
La entrevista se grabó en el contexto tecnológico de 2024. Incluye opiniones y previsiones sobre modelos que entonces estaban por llegar, así como ejemplos de funciones disponibles en ese momento. Este artículo recoge los aprendizajes de organización y adopción; no utiliza aquellas previsiones como descripción de las herramientas actuales.
Inteligencia artificial para empresas: empezar por la tarea
Xavi recuerda que su primera experiencia con una petición compleja resultó decepcionante. El episodio utiliza ese punto de partida para explicar que el resultado también depende de cómo se plantea el trabajo y de lo que se espera obtener.
Una empresa puede probar una herramienta y descartarla después de una respuesta poco útil. También puede confiar demasiado en una salida que parece convincente. Entre ambos extremos aparece un trabajo de definición: describir la tarea, aportar la información necesaria y establecer un criterio para valorar la respuesta.
En una empresa de ingeniería, este enfoque permite estudiar actividades como preparar una primera estructura documental, ordenar información o elaborar preguntas para una reunión técnica. La utilidad debe contrastarse con un caso real. El objetivo del proyecto y la responsabilidad sobre lo que se entrega siguen perteneciendo al equipo.
Xavi insiste en revisar sus tareas habituales y preguntarse dónde puede ayudar la IA. Habla de liberar tiempo para actividades que reciben menos atención. La oportunidad está en mejorar un trabajo identificable, no en añadir una herramienta sin decidir para qué se utiliza.
Convertir conocimiento de un proceso en instrucciones útiles
Edgar cuenta cómo estaba experimentando con asistentes personalizados para departamentos de su empresa. Xavi propone recorrer primero el proceso, probar las peticiones y comprender qué información necesita la herramienta antes de convertirlo en una forma de trabajo repetible.
La entrevista sitúa estas aplicaciones especialmente en:
«las tareas rutinarias».
Xavi Laballós, 20:39.
La expresión no significa que cualquier tarea frecuente pueda automatizarse por completo. Ayuda a localizar oportunidades donde existe un patrón y se puede definir qué resultado se espera. Si las condiciones cambian, también puede hacerlo la instrucción o la revisión necesaria.
El ejercicio obliga a hacer explícito conocimiento que a menudo está en la cabeza de una persona. Qué datos se consultan, qué pasos se siguen y qué excepciones aparecen son preguntas útiles incluso antes de utilizar IA. Documentarlas facilita que otras personas comprendan el proceso.
Este trabajo de requisitos conecta con el desarrollo de producto y la ingeniería: una solución se define a partir del uso que debe resolver. La tecnología elegida es una parte de la respuesta, mientras que el contexto y los criterios de aceptación permiten evaluar si realmente ayuda.
El contexto importa más que una petición muy genérica
Xavi y Edgar dedican un bloque a la redacción de instrucciones. Utilizan ejemplos de trabajos documentales extensos para mostrar la dificultad de pedir un resultado complejo de una sola vez sin explicar sus componentes.
Para un proyecto industrial, el equivalente sería solicitar una propuesta sin describir la aplicación, las restricciones o el destinatario. Una respuesta puede parecer completa y, sin embargo, apoyarse en supuestos que no coinciden con el trabajo real.
La alternativa editorial que se desprende del episodio es dividir el planteamiento en decisiones comprensibles: qué se necesita, qué información ya se tiene, qué formato resulta útil y qué puntos deben revisarse. Esta organización ayuda a detectar vacíos y evita confundir fluidez de redacción con exactitud técnica.
También conviene distinguir el material que se ha aportado de las conclusiones generadas a partir de él. Cuando un texto resume documentación de un proyecto, la persona que lo utiliza necesita poder volver a las fuentes y comprobar los datos relevantes.
Formación, adopción y autonomía del equipo
Edgar plantea una duda sobre su propio método: preparar asistentes para compañeros puede producir resultados rápidos, pero no necesariamente enseñarles a construir o revisar esos procesos. Xavi describe una formación progresiva apoyada en práctica y acompañamiento.
La diferencia es importante para una empresa. Una herramienta que depende de una sola persona puede funcionar durante una demostración y resultar difícil de mantener cuando cambian las necesidades. La adopción necesita que el equipo entienda qué hace, cuándo ayuda y qué límites tiene.
La formación puede apoyarse en tareas reales de cada departamento. Así, la persona compara el resultado con un trabajo que conoce y aprende a identificar errores o instrucciones insuficientes. La revisión deja de ser un paso genérico y se convierte en una comprobación concreta.
En proyectos de automatización industrial, el principio de participación de usuarios también es relevante, aunque la tecnología y las exigencias sean distintas. Quienes conocen el proceso aportan restricciones y situaciones que una descripción inicial puede pasar por alto.
Borradores, resultados y responsabilidad profesional
Durante la conversación, Xavi matiza que la IA no realiza de forma completa todas las tareas en las que interviene. Esa precisión ayuda a interpretar sus ejemplos de productividad. Obtener ayuda en una parte del trabajo no equivale a eliminar todo el proceso posterior.
Lo expresa con una advertencia coloquial:
«esto no son mundos de Yupi».
Xavi Laballós, 37:26.
La aplicación a una empresa de ingeniería es clara: una estructura, una explicación o una propuesta preliminar deben valorarse según el uso que tendrán. Una decisión sobre diseño, fabricación o funcionamiento necesita evidencia y una revisión proporcional a su impacto.
La entrevista también comenta errores en las respuestas y la costumbre de contrastar resultados de búsqueda. Su valor está en recordar que la facilidad para obtener información no sustituye la comprobación. La fuente, la fecha y el contexto siguen siendo parte de la calidad del trabajo.
Cómo cambia la búsqueda de una empresa de ingeniería
Edgar plantea un ejemplo especialmente conectado con i-mas: buscar una empresa que realiza un servicio concreto en una ubicación determinada. La conversación explora cómo los asistentes pueden intervenir en ese descubrimiento y qué podría ocurrir con los buscadores tradicionales.
Son opiniones formuladas en 2024, no una previsión ya verificada. Aun así, el ejemplo ayuda a comprender una necesidad estable de una web industrial: explicar con precisión qué hace la empresa, para quién y con qué alcance.
Una página de ingeniería electrónica y una página de prototipado resuelven preguntas diferentes. Los casos, las personas y los servicios relacionados permiten al lector situar cada capacidad. Ese contenido debe ser útil y verificable tanto si llega desde un buscador como si lo descubre mediante un asistente.
Preguntas sobre IA en el trabajo de ingeniería
¿Por dónde empezar a aplicar IA en una empresa industrial?
Por una tarea concreta cuyo resultado se pueda revisar. El episodio propone observar actividades habituales, explicar su contexto y probar el proceso. Un alcance pequeño y comprensible permite valorar la utilidad antes de extender el uso.
¿Qué debe conservar el equipo cuando utiliza un asistente?
El conocimiento del objetivo, los criterios de revisión y la responsabilidad sobre lo que entrega. La herramienta puede ayudar a preparar material, pero el equipo debe comprobar que responde al proyecto y que no introduce datos o supuestos incorrectos.
¿Por qué es útil documentar el proceso antes de automatizarlo?
Porque permite conocer sus entradas, decisiones y excepciones. Esa información ayuda a construir instrucciones y a identificar dónde una respuesta deja de ser adecuada. También facilita que otros miembros del equipo comprendan y mantengan la forma de trabajo.
Cuatro aprendizajes para adoptar tecnología con criterio
- Elegir una tarea real y definir cómo se medirá la utilidad de la ayuda.
- Aportar contexto y contrastar los datos relevantes con sus fuentes.
- Formar a las personas que utilizarán y revisarán el proceso.
- Diferenciar la preparación de un borrador de la validación de una decisión técnica.
En i-mas, los proyectos de producto, electrónica y automatización se definen a partir de requisitos y condiciones de uso. Si necesitas desarrollar una solución industrial, puedes explicarnos el proceso o el producto que quieres mejorar para concretar su alcance.
Para seguir leyendo: Inteligencia artificial y diseño industrial con Àlex Casabò.
Fuente del artículo: entrevista de Edgar Guerrero con Xavi Laballós en Toque de Ingenio, publicada el 4 de noviembre de 2024. El número 26 figura en los títulos oficiales de YouTube y del episodio; el campo numérico del RSS contiene una discrepancia. Las citas enlazan con sus pasajes originales.
