Reunida con el equipo informático de Indexa, empezamos a conversar de algo que no siempre es sencillo: el seguimiento, el control y las observaciones sobre aquello que se puede mejorar.
Desde el lado de quien recibe esa observación, puede sentirse como si solo se ve lo que falta. Como si el esfuerzo o el avance quedaran en segundo plano. Y es comprensible.
Yo les decía: existe un dicho que dice: “hace más ruido un árbol al caer que un bosque cuando está creciendo”.
Pero también creo que ahí hay una responsabilidad importante de quienes estamos en posiciones de liderazgo. No basta con detectar el error o señalar el punto débil. Hay que explicar qué puede mejorar, por qué importa y cómo ayuda a crecer.
No es lo mismo decir que una conversación con un cliente “no ha estado bien” que ayudar a pensar cómo hacerla más clara, más corporativa, más cercana y más empática al mismo tiempo. No es lo mismo corregir un resultado que acompañar a alguien para que comprenda el criterio, pueda aplicarlo de nuevo y eleve su propio nivel.
Ninguna de las dos posiciones es fácil.
Y quizá por eso me vino a la cabeza otro debate. Había leído un post sobre evaluación universitaria. La propuesta era comparar el estilo de escritura de un trabajo con el de un examen y reducir la calificación cuando no hubiera suficiente similitud, bajo la premisa de que esa diferencia demostraba el uso de inteligencia artificial.
Y me pregunté: ¿por qué la respuesta tiene que ser castigar el uso de la herramienta?
La universidad no debería limitarse a comprobar si una persona ha escrito sola cada frase. Debería ayudarle a razonar, a contrastar, a formular preguntas mejores, a construir método, a defender un argumento y a comprender lo que está presentando.
La IA no elimina esa necesidad. La hace más importante.
Porque quien ha tenido que picar datos, esperar días a que una consulta a base de datos devuelva un resultado, maquetar un documento nuevamente al pasar de un formato a otro, sabe bien qué significa liberar tiempo operativo y entiende que no toda tarea manual aporta el mismo valor.
Si una herramienta permite reducir ese trabajo repetitivo, no debería servir para pedir menos, sino para pedir más.
Más capacidad de análisis. Más criterio para interpretar resultados. Más calidad en las preguntas. Más responsabilidad sobre lo que se entrega.
No se trata de aceptar cualquier resultado, tampoco de negar el cambio intentando mantener intactas formas de trabajo que ya no responden a la realidad.
Se trata de elevar el nivel.
En los equipos, en la universidad y también en quienes lideramos. Porque acompañar la mejora exige aprender a formular mejor las exigencias, igual que aprender a trabajar con IA exige pasar de ejecutar tareas a pensar con mayor profundidad sobre ellas.
Tal vez el reto no sea evitar que caigan algunos árboles. Tal vez sea aprender a reconocer, cuidar y hacer crecer el bosque.
Porque el crecimiento rara vez hace ruido, pero es ahí donde realmente ocurre la transformación.