Descartada por uno, convirtió a otro en leyenda: la inteligencia artificial en las empresas

El fabricante del wah-wah no sabía para qué servía su pedal. Lo descubrió un usuario que siguió probando cuando otros lo descartaron. Con la inteligencia artificial en las empresas pasa lo mismo: usada como viene de fábrica, hace que todos suenen igual. La ventaja está en quien se atreve a usarla distinto, y en el tiempo que lleva haciéndolo.

Hace unos días escuché un podcast llamado Model Behavior, de Substack, con Rick Rubin. Rick es uno de los grandes productores de la música moderna, el hombre detrás de Johnny Cash, Red Hot Chili Peppers y los Beastie Boys, y tiene una visión de la creatividad que yo admiro. La historia era del wah-wah, uno de los primeros pedales de guitarra, y se la había contado Johnny Echols, guitarrista de la banda Love en los años sesenta.

El wah-wah: el pedal que nadie entendía

Según Rick, Vox acababa de lanzar el pedal y se lo entregó a un puñado de músicos profesionales para que lo probaran. Uno era Echols, un guitarrista de estudio respetado. Otro era un tal Jimmy James, que técnicamente era el chofer de Little Richard y que tocaba cuando faltaba alguien en la banda. El argumento de venta era este: “con este pedal tu guitarra va a sonar como un trombón”.

Echols lo tiró a la basura. Su razonamiento era impecable: si quiero sonar como trombón, aprendo trombón. Un año después, un amigo lo llamó desde San Francisco. Había un guitarrista nuevo recién llegado de Inglaterra, algo nunca visto, se llamaba Jimi Hendrix y tocaba al día siguiente. Echols manejó hasta allá. Se apagaron las luces y el que salió al escenario era Jimmy James, el chofer.

Echols lo dice sin rodeos, según cuenta Rick: el sonido completo de Hendrix se construyó sobre la caja que él había botado. Vox no tenía idea de para qué servía el pedal. Lo vendía para imitar un instrumento de bronce. Fue un usuario curioso, no el fabricante, el que descubrió lo que la herramienta realmente podía hacer.

Me cuesta pensar en una mejor descripción de dónde estamos con la inteligencia artificial.

¿Quién descubre para qué sirve una herramienta nueva?

Los proveedores de IA de hoy son Vox. Venden la herramienta con el argumento equivocado, porque tampoco saben para qué sirve. La promesa es “esto te va a hacer más eficiente”, y los ejecutivos la prueban con esa expectativa, le piden que haga sonar su empresa como un trombón, obtienen un resultado mediocre y la guardan en un cajón. “Esto no funciona en mi industria”. Son Echols. Tienen razón en lo inmediato y están cometiendo el error de su carrera.

Esto no es solo una anécdota de rock. Eric von Hippel, profesor del MIT, lleva décadas estudiando de dónde salen las innovaciones, y su conclusión incomoda a cualquier fabricante: muchas veces no salen de quien hace el producto, sino de quien lo usa. En un estudio de 1976 sobre 111 innovaciones en instrumentos científicos, encontró que cerca del 80% de las que dieron a los usuarios una mejora funcional significativa fueron inventadas, prototipadas y probadas por primera vez por los propios usuarios, no por las empresas que los vendían. El fabricante pone la herramienta. El usuario descubre para qué sirve.

Y eso toma tiempo. Hendrix no se hizo Hendrix el día que le pasaron el pedal. Se hizo Hendrix en el año que Echols pasó tocando como siempre. Ese año no se recupera. Nadie puede comprarlo después. La ventaja de experimentar temprano no es tener la herramienta antes, es tener el oficio antes.

¿Por qué con la IA todos terminan sonando igual?

Hay un estudio reciente que explica por qué tantos se quedan en el trombón. Anil Doshi y Oliver Hauser publicaron en Science Advances un experimento en el que un grupo de personas escribió cuentos cortos, algunas con ideas sugeridas por IA y otras sin ayuda. Los cuentos con IA fueron evaluados como más creativos, sobre todo los de quienes eran menos creativos de partida. Pero tenían un problema: se parecían más entre sí. La IA subió el promedio y acható la diferencia. Usada como viene de fábrica, la herramienta hace que todos suenen como el mismo trombón.

Hendrix no sonó como Hendrix por usar el pedal. Sonó como Hendrix por usarlo distinto a todos los demás.

Rubin lo dice de una forma que me hizo clic: con cualquier instrumento nuevo primero se hacen sonidos malos, y después alguien descubre cómo tocarlo bien. Pasó con la caja de ritmos, con el sampler, con Pro Tools. Cada vez hubo músicos serios diciendo que eso ya no era música, y cada vez alguien les demostró lo contrario desde el escenario. El problema es que estamos juzgando la IA por los sonidos malos. Es verdad que hoy la mayoría de lo que produce es mediocre. Es verdad que el contenido automático sin punto de vista inunda LinkedIn. Pero concluir de ahí que la herramienta no sirve es confundir el estado del instrumento con el estado del músico.

¿Por qué la inteligencia artificial en las empresas de América Latina es urgente?

En América Latina esto tiene una urgencia particular. Nuestras empresas rara vez lideran la adopción de tecnología; históricamente llegamos cuando el manual ya está escrito. Con la IA el manual todavía no existe, y por primera vez en décadas eso nos pone en igualdad de condiciones con cualquier empresa del mundo. Un gerente en Santiago tiene acceso a las mismas herramientas que uno en San Francisco, al mismo precio, el mismo día. Lo único que no tiene garantizado es el año de práctica.

Cómo empezar a usar IA en la empresa: un proceso, tres meses

No digo que haya que creer el discurso de los proveedores. Digo que hay que ignorarlo y probar igual. Tomar un proceso concreto, uno solo, y pasar tres meses viendo qué pasa cuando le aplicas la herramienta de maneras que el vendedor no sugirió. La mayoría de esos experimentos van a sonar mal. Alguno va a sonar como nada que hayas escuchado antes, y ese es el que va a dar una ventaja que la competencia no va a poder comprar cuando se decida a entrar.

Si quieres hacerlo con un marco acotado, una prueba de concepto sirve para eso: un proceso, datos reales y un resultado que se puede medir. Y si lo que te frena es la duda sobre los datos, escribí sobre eso en la duda que sale más cara que el riesgo. Ya había contado, en la IA no es la caja, es el puerto, por qué el valor está en cómo rediseñas el proceso y no en la herramienta.

Echols tenía razón en todo, salvo en lo único que importaba. La pregunta no es si la IA hoy hace bien el trabajo que le pediste. Es qué va a saber tu organización dentro de un año que la que guardó el pedal en el cajón no va a saber. El pedal está sobre la mesa. Todavía nadie sabe cómo suena bien. Esa es precisamente la razón para pisarlo ahora.

Preguntas frecuentes

¿Cómo empezar a usar inteligencia artificial en una empresa?

Toma un solo proceso concreto y pasa tres meses probando la herramienta de maneras que el vendedor no sugirió. La mayoría de los experimentos van a funcionar mal, pero alguno puede dar una ventaja que la competencia no podrá comprar después.

¿Por qué la IA hace que todos suenen igual?

En un experimento publicado en Science Advances, Anil Doshi y Oliver Hauser pidieron a un grupo de personas que escribiera cuentos cortos, algunas con ideas sugeridas por IA y otras sin ayuda. Los cuentos con IA se evaluaron como más creativos, pero se parecían más entre sí. Usada tal como viene, la herramienta sube el promedio y reduce la diferencia.

¿Quién descubre para qué sirve una herramienta nueva: el fabricante o el usuario?

Muchas veces el usuario. En un estudio de 1976 sobre 111 innovaciones en instrumentos científicos, Eric von Hippel, del MIT, encontró que cerca del 80% de las que dieron a los usuarios una mejora funcional significativa fueron inventadas, prototipadas y probadas por primera vez por los propios usuarios, no por los fabricantes.