IA como copiloto universal

El uso de la IA generativa empezó siendo visible, específico e intencional. Durante los primeros años, utilizarla era una decisión consciente que requería abrir una herramienta concreta, como ChatGPT o Midjourney. Esas herramientas ocupaban su propio espacio marcado y reconocible, separado del resto de productos. Escribir o ilustrar con IA o sin IA se materializaba en el hecho de abrir o no una herramienta concreta, un gesto que hacía imposible que nos olvidásemos o pasásemos por alto que estábamos utilizando IA.

La integración de los modelos de OpenAI en Microsoft 365 bajo la forma de Copilot y, poco después, de los modelos de Gemini en Google Workspace no han sido una experiencia homogénea. Lo hemos vivido como un proceso irregular, insatisfactorio por momentos, con mejoras progresivas y expectativas todavía a medio cumplir. Eso no quiere decir que no hayan marcado el camino para la transformación de toda nuestra estructura digital, que asume ya la IA como una capa natural de casi cualquier producto. Si esta tendencia prospera y realmente la IA llega a integrarse en todas partes, es posible que pierda visibilidad hasta el punto en que dejemos de mencionarla.

La segunda vida de las herramientas digitales con IA

Existen muchos ejemplos en los que la IA es ya una funcionalidad que se da por hecha. En el mundo de las plataformas de gestión de proyectos, sistemas como Notion, Asana, Trello o ClickUp han incorporado capas de IA que giran en torno a resumir estados de proyectos, priorizar tareas por criterios o transformar notas dispersas en los objetos formales de cada plataforma, como tareas y subtareas. Sin embargo, la interoperabilidad real para que una herramienta “entienda” la estructura de otra y pueda importarla sigue siendo un asunto pendiente. Si tu equipo usa una herramienta pero tu cliente usa otra, para sincronizar las tareas de un proyecto probablemente todavía dependas de exportaciones intermedias poco intuitivas con formatos CSV, Markdown o automatizaciones avanzadas. Los modelos de IA son especialmente buenos en interpretar información en un formato y trasladarla a otro, por lo que su aparición ha fomentado una cierta interoperabilidad funcional entre estos sistemas.

En el ámbito de la creación visual, herramientas como Photoshop, Canva o Figma han añadido funciones que permiten no solo generar imágenes, sino también pequeñas tareas cotidianas del mundo del diseño digital como rellenar espacios, expandir fondos, redimensionar, borrar objetos o sugerir paletas de color coherentes. En las hojas de cálculo como Excel o Google Sheets las fórmulas han empezado el camino hacia su extinción, sustituidas por las expresiones en lenguaje natural como “calcula el crecimiento mensual de esta serie y muéstralo en porcentaje en una columna nueva”, o “detecta qué productos tienen ventas más bajas que la media en el trimestre 1”.

Por supuesto, todas las herramientas anteriores incluyen ya editores basados en modelos de lenguaje que, con la misma naturalidad que el corrector, sugieren, reescriben y resumen cualquier texto. El resumen con IA es la capa más sencilla de implementar. En los gestores de correo electrónico empezó como opción “resumir este hilo”, y en poco tiempo pasó a ser un resumen automático al inicio del correo que ya está totalmente interiorizado en las versiones corporativas comerciales. En la práctica, esta función no siempre es necesaria y a veces roza lo redundante. No es raro encontrarnos con sistemas que proponen resumir textos muy breves o PDF en los que el propio anuncio de “resume este archivo con IA” nos interrumpe la lectura o la consulta del documento. La lógica de integración y la inversión de las plataformas en las funcionalidades IA nos han llevado a naturalizar capas que se activan por defecto y que también pueden introducir fricción, aunque es posible que esta sea sólo otra etapa de su progreso.

El lenguaje como programador de comportamiento

La habilidad técnica que habíamos acumulado hasta hoy, la de recordar opciones, menús desplegables y recorridos de las herramientas, se desplaza hacia una habilidad conceptual en el uso de la IA que tiene que ver con el prompting, pero también con otras capacidades: de poco sirve saber describir muy bien lo que se quiere si la acción es errónea o está mal planteada, si no sabemos anticipar ambigüedades, dividir un problema en partes o filtrar el resultado. Cuando lo anterior está resuelto, generalmente por la experiencia o el criterio profesional, entonces la habilidad o la soltura para escribir el prompt sí pueden marcar la diferencia.

El efecto cognitivo del prompting es interesante desde el punto de vista de que las personas no estamos acostumbradas a que el uso del lenguaje suponga la programación directa y vinculante de un comportamiento. En el lenguaje humano habitual, decir algo no garantiza que ocurra, y además, convivimos y contamos con la capacidad de desambiguación de los demás. En cambio, las capas de IA desencadenan acciones y transformaciones a través del lenguaje y eso nos obliga a desarrollar una forma de autoconciencia lingüística distinta, capaz de anticipar mejor las consecuencias de nuestras órdenes.

Sistemas agénticos impredecibles

La escalada de la complejidad llega con la IA agéntica, sistemas que van más allá de la creación de texto e imagen y ejecutan acciones como crear y eliminar archivos y carpetas, registrarse e iniciar sesión en productos y servicios, utilizar credenciales personales para ejecutar compras y pagos, o incluso, realizar trámites en nuestro nombre. OpenClaw es el ejemplo más representativo, un proyecto de software libre que permite crear asistentes autónomos para ejecutar tareas reales en un dispositivo, con acceso a todo el entorno digital si la persona propietaria se lo concede. Aunque es cierto que puede automatizar flujos y mantener el trabajo en marcha en nuestra ausencia, también introduce una capa de opacidad que nos hace más difícil seguir la pista de todo lo que está haciendo. Los sistemas agénticos toman por su cuenta las decisiones necesarias para lograr el objetivo programado, y pequeños errores iniciales pueden propagarse con consecuencias a veces irreversibles, como el borrado de información o el filtrado de datos. Hay personas que ya han narrado sus experiencias dando acceso a OpenClaw a su correo electrónico, y advierten de que estos bots pueden compartir datos personales e información privada con facilidad, no por maldad o rebeldía, sino por exceso de permisos en un sistema que requiere supervisión.

Los agentes, además, pueden comportarse de forma implacable para lograr sus objetivos y no tener en cuenta qué pueden romper por el camino. Por ejemplo, un agente conectado a un servicio público digital para realizar un trámite podría acabar enviando solicitudes masivas si cree que no consigue su objetivo, duplicando registros, completando formularios incorrectos o incluso afectando a la infraestructura pública. El desafío de ciberseguridad es mayor si el uso de estos agentes se generaliza.

En definitiva, la IA como copiloto universal, integrada en todas nuestras herramientas diarias, no es todavía una realidad en la práctica porque su despliegue sigue siendo desigual y dependemos de las líneas de pago o de las versiones contratadas. No obstante, el futuro del ecosistema digital parece marcado por que la IA deje de considerarse una tecnología diferenciada y se naturalice. Que una funcionalidad esté basada en IA puede ser un dato anecdótico dentro de unos años. Sin embargo, cuanto más transparente y natural se vuelva la interacción con sistemas generativos, más importante será mantener la cabeza fría y la conciencia de que seguimos trabajando con modelos probabilísticos, que aciertan y se equivocan con el mismo convencimiento.

Contenido elaborado por Carmen Torrijos, experta en IA aplicada al lenguaje y la comunicación. Los contenidos y los puntos de vista reflejados en esta publicación son responsabilidad exclusiva de su autor.