IA nativa
AI-Native
¿Qué es la IA nativa?
- Un estado en el que la IA está diseñada como premisa, no añadida
- Se usa en dos niveles: el de producto y organización, y el de talento.
- La clave de la transición no es la adopción, sino el rediseño de los procesos
Si una organización es nativa de IA no depende de la lista de herramientas, sino de quién define el primer paso del trabajo. Si una persona escribe el borrador y la IA solo pule el texto, la organización está potenciada con IA, por más herramientas que instale. Si la IA produce el borrador y una persona asume el juicio y la responsabilidad, la organización es nativa de IA. Basta con que cambie este orden para que se muevan en cadena la planificación de personal, el presupuesto de subcontratación, los plazos de entrega comprometidos con los clientes y los criterios de evaluación. Es un problema que obliga a rediseñar incluso el organigrama y la cadena de aprobación, por lo que debe plantearse como un asunto de diseño operativo y no como una solicitud de compra de herramientas.
Para diagnosticarlo, conviene dividirlo en tres etapas. Si el producto sigue funcionando igual aunque se quite la IA, es una etapa de simple etiqueta. Si al quitar la IA se desploman la velocidad y los costos, pero el servicio se mantiene, es la etapa de potenciación con IA. Si en cuanto se quita la IA la descripción misma del producto deja de tener sentido, es la etapa de IA nativa. Bastan tres preguntas para identificarla: ¿el costo de inferencia y de API aparece como costo fijo en el estado de resultados?, ¿la primera página del plan de una nueva función empieza por los datos y los criterios de evaluación?, ¿sube la facturación por persona sin aumentar la plantilla? Si no se cumple ninguna de las tres, conviene considerar que todavía no se ha iniciado la transición.
El orden de la transición también marca la diferencia. Las organizaciones que lograron resultados suelen haber elegido un departamento y una tarea, elevado durante tres meses la proporción de borradores hechos con IA y, después, llevado los números de plazos y costos de ese departamento al resto de la empresa. Empezar con una implantación masiva en toda la empresa, sin criterios de revisión, solo produce un volumen de entregables, y los jefes de área se desentienden alegando que «verificarlos toma más tiempo». Elegir primero una tarea que cambiar es más importante que definir el tamaño del presupuesto.
El malentendido más común es leer «nativo de IA» como una cuestión de generación o de edad. Aunque contrate a nuevos colaboradores de veinte años, si la cadena de aprobación sigue siendo de tres niveles, en medio año esos nuevos aprenderán a reescribir a mano para ajustarse a los formatos de documento existentes. El segundo error es confundir la emisión de cuentas para toda la empresa con la finalización de la transición. Si solo se abren cuentas y no se define qué borradores de cada tarea se le pasan a la IA, el uso se queda en unos pocos early adopters y, al renovar al año, se concluye que 'no sirvió'. Fijar por escrito quién revisa los resultados y cuál es el margen de error aceptable es lo primero, antes de elegir la herramienta.
John KimAutor de «Diseño del marketing B2B» y CEO de Nanum Consultoría, instructor John Kim
Seungtae ParkInstructor práctico de AX que enseña desarrollo de negocio con IA y automatización de marketing, con herramientas propiasEs un término que aplica a la IA la forma de nombrar de «nativo digital» (Mark Prensky, 2001), para la generación que creció con internet, y de «nativo de la nube», para los sistemas diseñados a partir de la nube. Desde 2023, en medio del auge de la IA generativa, se extendió como un concepto central en el debate sobre startups y talento.
Veamos un caso hipotético. Se trata de A, una empresa que opera contenidos de capacitación corporativa y un LMS, con 140 colaboradores e ingresos anuales de KRW 32,000,000,000 (≈ US$23,951,000). Producir el material de un nuevo curso tomaba en promedio 12 días hábiles, y solo la producción externa costaba KRW 400,000,000 (≈ US$299,400) al año, mientras el cliente exigía «una capacitación dentro de dos meses». Por instrucción del CEO comenzó un rediseño operativo de seis meses.
- El director de contenidos revisó durante tres semanas los registros de las herramientas internas: solo 22 de 140 personas usaban la IA al menos una vez por semana, y en su mayoría la empleaban para pulir redacciones.
- Se invirtió el orden de producción del material: el borrador inicial lo escribe la IA y el instructor lo verifica con una lista de 9 puntos. El jefe del área de capacitación se opuso alegando que «la calidad baja», así que primero se hizo un piloto de 8 semanas con dos cursos de liderazgo.
- Se abrió un programa de alfabetización en IA de cuatro semanas para todos los colaboradores y se publicaron en la wiki interna 41 prompts validados por puesto de trabajo. El equipo de ventas los aplicó a borradores de propuestas, y el de operaciones, al análisis de encuestas.
- La aprobación del material de curso pasó de tres niveles a uno, y en la evaluación trimestral se incluyó como requisito «un trabajo cambiado con IA». El director de Recursos Humanos lo dejó claro: «Vamos a una estructura en la que no usar la IA resulte costoso».
- Seis meses después, el plazo de elaboración de materiales didácticos pasó de 12 días hábiles a 4.5 días hábiles, el gasto en subcontratación bajó de KRW 400,000,000 (≈ US$299,400) al año a KRW 160,000,000, (≈ US$119,800) y los 5 colaboradores liberados se reasignaron al desarrollo de programas a la medida de los clientes.