1. Contrataste a 100 genios y están todos en la cocina porque nadie les dio trabajo
La IA generativa es impresionante. Escribe código. Escribe textos. Investiga. Traduce. Tiene acceso a una cantidad enorme de conocimiento.
Con esa lista, uno pensaría que mañana todo el mundo va a tener 10 negocios propios.
Pero en la vida real, muchos se quedan atorados justo aquí:
"Bueno... ¿y qué hago?"
Esa pregunta.
Por más potente que sea la IA, si nadie le da una tarea, no pasa nada. Puedes estacionar 100 Ferraris, pero sin destino solo tienes un estacionamiento de lujo.
Lo que más falta en la era de la IA no siempre es un modelo mejor.
Es alguien que le dé a esa capacidad su primer trabajo.
2. No necesitas un gran invento: necesitas la primera chispa
Cuando hablamos de "tener ideas", pensamos en alguien que de repente inventa algo revolucionario que nadie había imaginado.
En la práctica, hay una habilidad más sencilla y más poderosa:
- "Esto es un fastidio."
- "¿Se podrán juntar estas dos cosas?"
- "¿Esta función serviría para otra cosa?"
- "A ver, ¿por qué hacemos este paso?"
- "¿Qué veríamos si armamos la versión más simple posible?"
Es la habilidad de encender chispas.
La primera idea no tiene que estar terminada. Lo importante es poner algo sobre lo que pueda pararse la siguiente idea.
Frente a una mesa vacía, la conversación no arranca. Pero si pones encima aunque sea un prototipo improvisado, de golpe salen comentarios: "esto está raro", "esto sí sirve", "entonces lo siguiente es esto".
El primer paso no es la respuesta.
Es una máquina que produce las siguientes respuestas en cantidad.
3. "Ser creativo" no es una sola habilidad
Si la desarmas, tiene por lo menos estas piezas:
| Habilidad | Qué hace |
|---|---|
| Divergencia | Saca varias posibilidades de un solo problema |
| Analogía | Toma cómo funciona algo en otro campo |
| Recombinación | Con piezas existentes A+B crea C |
| Encontrar el problema | Detecta la molestia que está antes del problema que te dieron |
| Replantear | Se pregunta cuál es el problema que de verdad hay que resolver |
| Convergencia | Elige qué idea se va a construir |
| Dividir | Parte el trabajo en tareas que la IA puede manejar |
| Arrancar | Hace el primer resultado real, aunque sea básico |
| Volver a idear | Mira lo que ya funciona y se le ocurre lo siguiente |
Lo que en psicología se llama pensamiento divergente es una parte importante de esto. La APA lo describe como un pensamiento creativo que resuelve problemas o toma decisiones con estrategias que se salen de las habituales o de las que ya se aprendieron.[1]
Pero también hay una advertencia: los resultados en pruebas de pensamiento divergente no miden toda la creatividad de la vida real.[2]
O sea, no basta con "poder soltar muchas ideas".
Lo que cuenta en la práctica es replantear, elegir, construir y volver a pensar.
4. Crear es ir y venir: generar, explorar, volver a generar
En la investigación sobre el pensamiento creativo hay una idea clave: las ideas no salen completas de una vez. Primero generas posibles opciones, luego las exploras y evalúas, y si hace falta vuelves a generar. Se conoce como el modelo Geneplore.[3]
Si lo llevas a crear cosas con IA, se entiende de inmediato:
- Se te ocurre algo
- Lo platicas con la IA
- Lo conviertes en un plan rápido
- Lo construyes
- Lo pruebas
- Te das cuenta de que "no era así"
- Encuentras otro enfoque
- Lo vuelves a construir
Es decir, la idea no tiene que estar completa antes de empezar a construir.
Construir ya es parte de pensar.
Esa es la gran diferencia con antes.
Cuando un prototipo tardaba 3 meses, querías pensarlo todo bien antes de empezar.
Cuando un prototipo sale en 30 minutos, el prototipo mismo te sirve como apunte para pensar.
Tener ideas y construirlas dejan de ser departamentos separados.
5. "No puedo hacer varias cosas a la vez" es cierto, si lo haces todo tú
"No puedo con tantas cosas al mismo tiempo."
Tienes razón.
Si una persona intenta cargar en la cabeza los planes, el código, la investigación, las revisiones y las correcciones de 10 proyectos a la vez, todas las pestañas de su navegador mental se quedan en blanco.
Entonces cambia el planteamiento.
Tú no tienes que hacer varias cosas a la vez. Deja que el sistema trabaje en paralelo.
Lo que te toca a ti es:
- qué quieres lograr
- qué es lo más importante
- hasta dónde es aceptable
- qué resultado te quedas
Y nada más.
Después, separas
- la investigación
- el plan detallado
- la construcción
- las pruebas
- la traducción
- la revisión
en partes que puedan avanzar solas, y se las pasas a la IA.
No es "soy malo para hacer varias cosas a la vez, así que la IA no es para mí".
Al contrario: si te cuesta hacer varias cosas a la vez, vale todavía más sacar el trabajo de tu cabeza y repartirlo en tareas claras.
6. Todo ese conocimiento es una bodega de materiales, no un plano
Por más grande que sea la IA o la cantidad de datos, eso por sí solo no te dice qué construir.
Imagina una ferretería gigante con madera, acero, vidrio, herramientas y maquinaria pesada.
Increíble.
Pero si el cliente no decide qué va a construir, la ferretería sigue siendo solo una ferretería.
Con la IA pasa algo parecido.
Puede buscar información. Puede comparar. Puede escribir código. Puede proponer ideas.
Pero en cuanto alguien dice:
"Quiero quitarme esta molestia." "Estaría bueno conectar estas dos cosas." "Quiero llevar esta experiencia a otro nivel."
esa dirección convierte la capacidad en trabajo de verdad.
Para sacarle provecho a la IA, no necesitas saber más que ella.
Necesitas poder decirle dónde escarbar.
7. Antes de resolver el problema, gana quien sabe replantearlo
En la investigación sobre diseño se ha visto que "armar el marco" es una práctica clave frente a problemas complejos y abiertos. Dorst se enfoca en el replanteamiento: cambiar la forma misma de ver el problema cuando una organización enfrenta una situación difícil.[4]
Con la IA, esto importa todavía más.
Si le pides a la IA "haz esto", puede resolver exactamente lo que pediste a una velocidad impresionante.
Por eso da miedo.
Si el problema está mal planteado, ahora puedes producir en masa respuestas convincentes y equivocadas a toda velocidad.
Las preguntas que de verdad sirven no se quedan en:
"¿Cómo hacemos esta tarea más rápido?"
Van más atrás:
"¿De verdad hace falta esta tarea?" "¿El usuario quiere que la tarea sea más rápida o que desaparezca?" "¿Se podrá resolver desde otro ángulo?"
Mientras mejor responda la IA, más peso tiene cómo planteas el problema.
8. Construir más rápido te da más ideas, y eso es enorme aunque no lo parezca
Hay experimentos que muestran que la IA generativa puede ahorrar tiempo y mejorar la calidad en ciertos trabajos de conocimiento. En el experimento de Noy y Zhang, en tareas de redacción profesional, el tiempo promedio bajó un 40% y la calidad evaluada subió un 18%.[5]
Claro, eso no significa que todo trabajo sea 40% más rápido.
Lo importante es otra cosa:
Si probar cuesta menos, puedes probar más veces.
Y mientras más pruebas, más aprendes del resultado real:
- ¿de verdad sirve?
- ¿se ve peor de lo que imaginabas?
- ¿funcionaría mejor para otra cosa?
- ¿se puede conectar con la función de al lado?
- ¿en qué parte se confunden los usuarios?
Esa información es difícil de sacar solo pensando.
Por eso, mientras más corto sea el ciclo de
idea → construir → observar → nueva idea
más se encadenan las ideas, en vez de quedarse sueltas.
La velocidad para construir no es solo productividad.
También es las revoluciones de tu motor de ideas.
9. Pero si dejas que la IA invente todo, todos terminan subiendo la misma montaña
La IA generativa también ayuda a tener ideas.
Pero en el experimento de Doshi y Hauser, los cuentos cortos escritos con ideas de la IA tuvieron en promedio mejor evaluación individual, mientras que los cuentos hechos con ayuda de la IA se parecían más entre sí, y la variedad del conjunto bajó.[6]
Esto es importante.
Si cada vez solo le pides a la IA "dame 10 ideas divertidas", puede que todos terminen en el mismo autobús turístico.
Por eso lo que aporta la persona no desaparece:
- cosas que de verdad te parecieron un fastidio
- detalles raros que notaste en el día a día del trabajo
- las mañas del sistema que ya usas
- comparaciones traídas de otro campo
- combinaciones extrañas
- la pregunta incómoda: "Todos lo hacen así, pero ¿de verdad está bien?"
Esos aportes que solo tú tienes le dan dirección y personalidad a todo el conocimiento de la IA.
No se trata de que la IA piense todo por ti.
Tú lanzas una piedra rara al agua y la IA amplifica las ondas.
Así es más divertido.
10. El mejor ciclo: se te ocurre → una frase → dividir → delegar → revisar → otra idea
Al final, en el trabajo real puede ser así de simple:
① El detonante "¿No sería práctico que esto funcionara así?"
② Una frase Escribe en una frase qué quieres cambiar, para quién y cómo.
③ Dividir Sepáralo en tareas independientes: investigar, diseñar, construir, revisar.
④ Delegar Pásale esas tareas a la IA. No cargues todo al mismo tiempo en la cabeza.
⑤ Algo concreto Texto, una pantalla, código, resultados: lo que sea, pero que se pueda ver.
⑥ Volver a revisar Léelo, pruébalo, verifícalo. ¿De verdad quedó como querías?
⑦ Nueva idea Aparece el "si esto se puede, entonces también se puede aquello".
Por ese último paso ⑦, el ciclo nunca termina.
Cada cosa que construyes se vuelve material para la siguiente idea.
Haces la función A. Como existe A, se te ocurre B. Cuando existe B, A+B=C. Cuando existe C, piensas: "¿Y si redefinimos todo el servicio como D?"
Empezó como una chispita y, cuando te das cuenta, ya hay una planta eléctrica.
11. La trampa: que las ideas lleguen más rápido de lo que puedes ordenarlas
Este método tiene un efecto secundario claro.
Si las ideas no paran y construir es rápido, el sistema crece con ampliaciones sobre ampliaciones.
Y un día abres el cableado.
¿Quién hizo esto?
Tú mismo. Ayer.
La solución no es dejar de tener ideas.
- No multiplicar las fuentes "oficiales" de información
- No construir dos sistemas para la misma tarea
- Si se puede integrar a algo que ya existe, integrarlo
- Poner en paralelo solo las tareas realmente independientes
- Revisar siempre después de construir
- Poner controles de calidad antes de los cambios importantes
- Separar "podemos hacerlo" de "debemos hacerlo ahora"
Ideas rápidas necesitan orden rápido.
En lugar de soltar el acelerador, mejora el volante y los frenos.
12. Conclusión: la ventaja no es "saber usar IA", sino "darle trabajo a la IA"
Los modelos de IA van a seguir mejorando.
Van a saber más. El código y los textos saldrán más rápido. Usar varias IA a la vez será cada vez más fácil.
Entonces la habilidad humana más escasa se va moviendo poco a poco.
De "puedo hacerlo todo yo solo"
a:
Encontrar qué vale la pena crear.
Encender la primera chispa.
Replantear el problema.
Dividir el trabajo.
Pasárselo a la IA.
Ver el resultado real.
Y de ahí sacar la siguiente idea.
La IA es una capacidad enorme.
Pero esa capacidad se queda esperando hasta que alguien le da trabajo.
Por eso, los que ganan no son solo los que programan más rápido que la IA.
Son los que se animan a decir primero: "Oye, ¿y si hacemos esto?"
En una empresa que contrató a 100 IA geniales, lo primero que falta no es el genio número 101.
Es la persona que escribe la primera línea en la lista de pendientes.
- APA Dictionary of Psychology, “divergent thinking. dictionary.apa.org
- American Psychological Association, “The science behind creativity” — notes that divergent-thinking measures are useful but do not map cleanly onto real-world creativity as a whole apa.org
- Ward, T. B., Smith, S. M., & Finke, R. A., “Creative Cognition,” in Handbook of Creativity; see also Geneplore descriptions of iterative generative and exploratory processes cambridge.org
- Dorst, K. (2011). “The core of ‘design thinking’ and its application.” Design Studies, 32(6), 521–532 doi.org
- Noy, S., & Zhang, W. (2023). “Experimental evidence on the productivity effects of generative artificial intelligence.” Science, 381(6654), 187–192 doi.org
- Doshi, A. R., & Hauser, O. P. (2024). “Generative AI enhances individual creativity but reduces the collective diversity of novel content.” Science Advances, 10(28), eadn5290 doi.org
