El mensaje que no es una pregunta
Alguien abre una conversación y escribe algo suelto, una frase incompleta, sin contexto, a veces apenas un tema. Tiene una necesidad y todavía no encontró cómo decirla.
Es la situación más común de todas y donde se detienen muchos asistentes bien construidos. Tienen el modelo adecuado, la información cargada y las integraciones andando. Devuelven algo correcto y la conversación se queda donde estaba.
Qué se mira cuando se evalúa quién sabe de IA
Al decidir quién implementa, casi todo lo que se pondera es técnico: qué modelos maneja, qué integraciones resolvió, con qué herramientas trabaja. Todo eso se puede verificar y todo eso hace falta.
Lo que queda sin preguntar es cómo va a comportarse el sistema cuando llegue esa frase suelta. Ese comportamiento lo define un criterio que alguien tuvo que pensar antes de que existiera una línea de código y que casi nunca aparece en la lista de requisitos.
Todos hicieron bien su trabajo
El desajuste está en la definición de qué es «hacerlo bien». Entonces pasan cosas como estas:
- Responde con exactitud y quien pregunta vuelve a escribir lo mismo con otras palabras
- Hace exactamente lo que se le pidió; pero lo que la persona necesitaba era otra cosa
- No comete un solo error de forma y la gestión se traba igual
Los tres se evaluaron con la vara de la precisión. Ninguno falló en precisión.
Las conversaciones que quedan por la mitad
Cuando ese criterio se traslada al funcionamiento cotidiano, el impacto es directo: las conversaciones no terminan de cerrarse, las gestiones quedan a medio camino y el equipo humano tiene que intervenir donde se suponía que no iba a hacer falta. El sistema cumple y no resuelve.
Ahí la discusión sobre qué modelo usar (sea de OpenAI, de Anthropic o de cualquier otro proveedor) pierde relevancia: lo que falló ya había fallado antes de que se generara la primera palabra.
Criterio y lógica para resolver tareas en la empresa. Tanto si llegás con una traba operativa concreta como si todavía estás explorando el tema, planteá una situación de trabajo y avanzá desde ahí.
Analizá tu caso →Decidir qué hacer con lo que llega
Lo que le falta a ese asistente es una forma de decidir qué hacer con lo que recibe, porque lo que recibe rara vez es una consulta clara: llega incompleto y muchas veces sin pregunta adentro. Cargarle más información no cambia eso. Sin una estructura que le permita interpretar la situación, queda limitado a operar sobre lo explícito.
Con esa estructura definida, el comportamiento cambia de forma visible: detecta una intención aunque no esté formulada, ordena la conversación en lugar de frenarla y decide dentro de un marco coherente con el negocio. Frente a la frase suelta del principio hace lo único que corresponde: conducirla hasta una situación concreta.
Esa transición (de algo difuso a un problema reconocible) define si la interacción se pierde o termina resolviendo algo. Y no se consigue cambiando de modelo ni sumando datos.
Lo que un experto puede decir de antemano
Un experto en IA es alguien que puede decir, antes de que el sistema escriba una palabra, cómo va a interpretar cada situación y qué va a hacer con ella. El catálogo de herramientas que maneja hoy va a ser otro dentro de un año.
Hay un solo lugar donde eso se verifica: en cómo se comporta el sistema cuando la situación no está clara. Cuando está clara responden bien todos.