Cada vez más gente quiere utilizar la Inteligencia Artificial para hacer cosas que no sabe hacer. Programar sin saber programar. Diseñar sin saber diseño. Crear estrategias sin entender marketing. Automatizar procesos sin comprender qué ocurre por detrás.

Y, muchas veces, todo empieza con la misma petición: “enséñame el prompt”.

En este episodio de IA con Criterio parto de una experiencia real vivida durante una formación sobre aplicación de IA en Recursos Humanos, donde un asistente quería aprender a programar con Inteligencia Artificial sin conocer siquiera los fundamentos de programación.

El problema no es utilizar IA para hacer cosas nuevas. Todo lo contrario: puede ser una herramienta extraordinaria para aprender y ampliar nuestras capacidades.

El problema aparece cuando confundimos obtener un resultado con saber lo que estamos haciendo.

Hablamos de por qué un buen prompt no sustituye al conocimiento, de la importancia del Criterio y la Validación, de la diferencia entre que algo funcione y que esté realmente bien hecho, y de cómo este problema afecta también al marketing, el diseño, los Recursos Humanos o cualquier otra disciplina.

También hay responsabilidad por parte de quienes llevan años vendiendo la idea de los “prompts mágicos”, los atajos imposibles y la promesa de convertirnos en expertos sin aprender aquello que pretendemos hacer.

Porque la Inteligencia Artificial puede reducir muchísimo la barrera de ejecución.

Pero no elimina la barrera del conocimiento.

Y si no entiendes el problema, no tienes criterio para dirigir a la IA ni capacidad para validar lo que te entrega.

🎙️ Un nuevo episodio de IA con Criterio sobre conocimiento, competencia profesional y una verdad incómoda: la IA puede hacerte parecer competente mucho antes de que realmente lo seas.

¿Puede un texto generado por Inteligencia Artificial llevar una marca invisible aunque lo copies, lo pegues sin formato o lo pases a Word?

La respuesta es sí.

OpenAI ha anunciado textGrain, una tecnología que empezará a incorporar en determinados textos generados por ChatGPT y Codex en la Unión Europea. Pero no es la única: Google ya utiliza SynthID y Anthropic también está incorporando marcas de agua en los nuevos modelos de Claude.

En este episodio de IA con Criterio explico cómo funcionan realmente estas marcas de agua, por qué no dependen de caracteres ocultos ni metadatos, qué ocurre cuando modificamos o traducimos un texto y hasta qué punto pueden llegar a detectarse.

También analizamos una cuestión todavía más importante: detectar que una IA ha intervenido en un contenido no significa saber quién lo ha escrito ni cuánto trabajo humano existe detrás. Y vemos qué implica todo esto para profesionales, empresas, autores y organizaciones, especialmente con la entrada en juego del AI Act y las nuevas obligaciones europeas de trazabilidad.

Porque quizá la pregunta ya no sea simplemente si hemos utilizado Inteligencia Artificial.

La pregunta será cómo la hemos utilizado, qué hemos aportado nosotros y cuánto criterio humano hay detrás del resultado final.

🎙️ Un nuevo episodio de IA con Criterio para entender qué hay realmente detrás de la huella invisible que empieza a dejar la Inteligencia Artificial.

El Gobierno ha presentado el Plan IA360, con un Bono de Inteligencia Artificial dotado con 600 millones de euros para impulsar la adopción de IA en pymes y autónomos.

Pero la pregunta importante no es solo cuánto dinero habrá disponible, sino qué deberían hacer realmente las empresas con él.

En este episodio hablamos de diagnóstico previo, formación, consultoría, identificación de casos de uso, rediseño de procesos, implantación y medición de resultados. Porque financiar herramientas no garantiza transformación, y una empresa puede gastar dinero en IA sin cambiar prácticamente nada.

También analizo los riesgos habituales de este tipo de programas: soluciones paquetizadas, proyectos diseñados para encajar en la subvención y empresas que empiezan por la herramienta antes de entender el problema.

El Plan IA360 puede ser una oportunidad real, pero solo si el dinero sirve para entender, decidir e implantar mejor.

🎙️ IA con Criterio: Inteligencia Artificial, automatización y tecnología aplicada a la empresa y al trabajo real.

Los agentes de Inteligencia Artificial están por todas partes, pero muchas veces utilizamos esa etiqueta para cosas que, en realidad, son simplemente automatizaciones con un modelo conectado.

En este episodio explico qué es realmente un agente de IA, en qué se diferencia de un chatbot o de una automatización tradicional y cuándo tiene sentido utilizar uno.

Hablamos de autonomía, uso de herramientas, toma de decisiones, sistemas multiagente, supervisión humana y de por qué más autonomía no significa automáticamente un sistema mejor.

También vemos casos concretos en los que un agente puede aportar valor —investigación, soporte, tareas con caminos variables— y otros en los que una automatización clásica será más estable, más barata y más fácil de mantener.

Porque si sabemos exactamente qué pasos debe seguir el sistema, quizá no necesitamos un agente. Quizá necesitamos una buena automatización.

🎙️ IA con Criterio: Inteligencia Artificial, automatización y tecnología aplicada a la empresa y al trabajo real.

Muchas empresas dicen que ya utilizan Inteligencia Artificial porque parte de su equipo trabaja con ChatGPT, Copilot, Claude o Gemini. Y sí, eso es utilizar IA. Pero no es lo mismo que tenerla realmente integrada en la organización.

En este episodio hablamos de la diferencia entre uso individual, IA conectada al conocimiento de la empresa e IA integrada en procesos y automatizaciones.

Veremos por qué la adopción no debería medirse por el número de licencias contratadas, sino por qué ha cambiado realmente en la forma de trabajar, qué procesos se han mejorado y qué resultados aporta la tecnología.

También hablamos de IA en la sombra, conocimiento corporativo, automatización, supervisión humana y de una idea importante: integrar más IA no significa necesariamente tener una empresa más madura; significa integrarla mejor.

Porque utilizar ChatGPT puede ser una magnífica puerta de entrada, pero la transformación empieza cuando dejamos de pensar solo en herramientas y empezamos a rediseñar procesos.

🎙️ IA con Criterio: Inteligencia Artificial, automatización y tecnología aplicada a la empresa y al trabajo real.

No todo lo que técnicamente se puede hacer con Inteligencia Artificial debería hacerse.

En este episodio hablo de una situación que me encuentro cada vez más: clientes que plantean integraciones, automatizaciones o sistemas de IA perfectamente viables desde el punto de vista técnico, pero que pueden tener problemas de privacidad, protección de datos, seguridad, AI Act o responsabilidad.

Y aquí aparece una diferencia importante: decir “no” a un proyecto no significa no saber hacerlo. A veces significa precisamente entender suficientemente bien sus implicaciones como para saber que no debería desarrollarse de esa manera.

También hablamos de qué ocurre cuando otro proveedor acepta hacerlo sin demasiadas preguntas, de la responsabilidad del cliente y del profesional, de los riesgos de limitarse a “ejecutar lo que piden” y de por qué una buena consultoría no consiste solo en construir, sino también en saber cuándo hay que modificar el enfoque o poner límites.

Porque muchas veces la mejor respuesta no es cancelar el proyecto, sino buscar otra forma de resolverlo: cambiar los datos, limitar accesos, introducir supervisión humana, utilizar otra arquitectura o redefinir el proceso.

🎙️ IA con Criterio: Inteligencia Artificial, automatización y tecnología aplicada a la empresa y al trabajo real.

El AI Act ya está aquí, pero para muchas empresas la pregunta sigue siendo la misma: ¿qué tenemos que hacer realmente?

En este episodio explico el Reglamento Europeo de Inteligencia Artificial desde un enfoque práctico, sin entrar en una lectura jurídica artículo por artículo.

Hablamos de por qué no todos los usos de IA tienen el mismo nivel de riesgo, de la diferencia entre utilizar un asistente para redactar contenidos y emplear Inteligencia Artificial para filtrar candidatos, evaluar empleados o intervenir en decisiones que afectan directamente a personas.

También veremos algunas de las cuestiones que una empresa debería revisar ya: inventario de herramientas y usos, datos que se introducen, decisiones en las que influye la IA, formación de los empleados, transparencia y responsabilidades internas.

Y terminamos con una propuesta muy sencilla: crear una tabla con cinco columnas —herramienta, uso, departamento, datos y decisión— para empezar a entender realmente dónde está utilizando Inteligencia Artificial la organización.

Porque antes de preguntarnos qué artículo del AI Act nos afecta, conviene responder a una pregunta bastante más básica:

¿Qué estamos haciendo realmente con Inteligencia Artificial dentro de nuestra empresa?

🎙️ IA con Criterio: Inteligencia Artificial, automatización y tecnología aplicada a la empresa y al trabajo real.

Muchas empresas tienen cientos o miles de documentos, procedimientos, contratos, manuales, informes o fichas técnicas. La información existe, pero encontrarla cuando alguien la necesita puede ser mucho más difícil de lo que parece.

En este episodio hablamos de RAG, una arquitectura que permite a la Inteligencia Artificial recuperar primero información relevante de nuestras propias fuentes y utilizarla después como contexto para construir una respuesta.

También veremos por qué herramientas como NotebookLM o Copilot Notebooks pueden ofrecer una experiencia parecida, pero no significa que estemos construyendo un RAG en sentido estricto, y qué cambia cuando damos el salto a soluciones propias con herramientas como Flowise, Langflow o Dify.

Hablaremos de chunks, embeddings, bases vectoriales, recuperación de información, permisos, privacidad y configuración, porque un RAG no se convierte automáticamente en una fuente fiable solo por conectar documentos a un chatbot.

Y también desmontamos otra confusión habitual: RAG e IA local no son lo mismo. Podemos tener un RAG completamente en la nube, una IA local sin RAG o combinar ambas cosas en una arquitectura híbrida.

Todo ello con casos muy concretos de empresa: chatbots internos de Recursos Humanos, asistentes comerciales, buscadores documentales, soporte técnico, calidad, documentación jurídica o procedimientos internos.

Porque al final al cliente debería importarle bastante menos si debajo hay un RAG, una base vectorial o un modelo local que si la solución encuentra bien la información, protege sus datos y resuelve realmente el problema para el que se ha construido.

🎙️ IA con Criterio: Inteligencia Artificial, automatización y tecnología aplicada a la empresa y al trabajo real.