“La calidad de las respuestas depende de la calidad de las preguntas.” Esa frase la repetí decenas de veces ante estudiantes de la UACJ en una conferencia reciente sobre mitos y realidades de la inteligencia artificial. La repetí porque me di cuenta de algo incómodo: estamos enseñando a usar la IA sin enseñar primero lo más básico. ¿Realmente sabemos preguntar?
La discusión sobre IA en México suele centrarse en lo equivocado. Hablamos de qué tanto va a sustituir empleos, qué herramienta es mejor, cuántas horas ahorra al día. Casi nadie habla de cómo formular el problema que queremos resolver con ella.
Ese vacío no es nuevo. Es la misma deficiencia que llevo viendo veinte años en plantas industriales de Juárez, en empresas certificadas, en organizaciones que invierten millones en consultoría y software. La IA solo hizo una cosa: amplificarla. Antes, una pregunta mal hecha producía un proyecto fallido al cabo de meses. Hoy, produce una respuesta confiada de la IA en treinta segundos.
Y aquí está el problema. La IA contesta con autoridad de oráculo, pero no sabe si la pregunta vale la pena. Eso lo decide quien teclea. Y la mayoría de quienes tecleamos, en empresas, en gobiernos y en escuelas, fuimos formados para responder, no para preguntar.
Voy a contar un caso. En Washington, durante años, el monumento a Jefferson se deterioraba a una velocidad inquietante. Los responsables tenían una pregunta lógica: cómo detener el daño. La respuesta corta era reducir los lavados con químicos agresivos. Pero alguien hizo otra pregunta, y luego otra, y luego otra.
Por qué se lavaba tanto. Por exceso de excremento de pájaros. Por qué había tantos pájaros. Porque venían a comer arañas. Por qué había tantas arañas. Porque venían a comer mosquitos. Por qué había tantos mosquitos. Porque las luces se encendían justo al atardecer y creaban condiciones perfectas para que se aparearan.
La solución no fue cambiar el químico, ni espantar pájaros, ni fumigar. Fue encender las luces una hora más tarde. Una decisión simple, casi gratuita, que resolvió el problema desde la raíz.
Esto se llama análisis de causa raíz, atribuido a la cultura japonesa de mejora continua. Cinco porqués que llevan al fondo del asunto. Lo enseño en cada auditoría que dirijo y lo aplico en cada empresa que asesoro.
¿Y saben qué pasa en la mayoría de las empresas mexicanas? Se detienen en el primer porqué. Falla un proceso, se rompe un lote, se pierde un cliente, y la respuesta inmediata es la misma de siempre: fue error del operador, faltó capacitación, hay que aplicar disciplina. Caso cerrado.
Pero el operador es el síntoma, no la causa. Detrás casi siempre hay un procedimiento mal documentado, una instrucción ambigua, una herramienta que falla, una métrica que premia la velocidad sobre la calidad, una capacitación de cuarenta minutos para un puesto que necesita seis meses. Si nos detenemos en culpar al humano, garantizamos que el problema vuelva a ocurrir. Solo cambia el nombre del culpable.
La IA, llevada a este escenario, no soluciona nada. Si le preguntamos “cómo hacer que el operador no falle”, contesta. Y contesta bien, con un plan de capacitación, un manual sugerido, indicadores para medirlo. Pero contestó la pregunta equivocada, porque nadie la cuestionó antes de hacerla.
Aquí va lo que pocos están dispuestos a decir. La IA no nos está volviendo tontos. Nos está exponiendo.
Está revelando que durante décadas formamos profesionales que ejecutan, pero no que cuestionan. Líderes que delegan, pero que no diagnostican. Empresas que invierten en certificaciones, en software, en capacitación, sin pasar primero por la pregunta más incómoda de todas: ¿cuál es exactamente el problema que estamos tratando de resolver?
La IA es un espejo. Le hablamos como hablamos en juntas, en correos, en informes: con preguntas vagas, con supuestos no examinados, con prisa por llegar a una respuesta. Y nos devuelve, en segundos, el reflejo de esa misma manera de pensar.
Por eso muchas implementaciones de IA en empresas están fracasando. No porque la herramienta sea mala. Fracasan porque le pedimos optimizar procesos que ni siquiera entendíamos bien. Le pedimos automatizar lo que debió rediseñarse. Le pedimos respuestas a preguntas que nadie se atrevió a refinar.
La invitación es sencilla, pero no fácil. Antes de abrir el siguiente prompt, antes de pedirle a la IA que resuma, redacte o decida, pregúntate cinco veces por qué. Sobre el problema de tu empresa. Sobre la queja de tu cliente. Sobre la falla del proceso. Sobre la decisión que vas a tomar. Sobre ti mismo.
Lo que recibimos de la IA depende, casi por completo, de lo que sabemos pedir. Cualquier mexicano lo entiende en otro contexto: en el puesto de tacos, quien pide simplemente un taco recibe lo que sobra; quien especifica doble tortilla, bien cocido, con cilantro y salsa verde tatemada, recibe el taco perfecto.
La diferencia es que con la IA no está en juego un taco. Está en juego cómo decidimos, cómo aprendemos y cómo trabajamos. Y eso empieza, siempre, antes del prompt.
Oscar Peinado
Cuenta con más de 20 años de experiencia implementando sistemas de gestión, auditoría y liderazgo transformacional en empresas del sector manufacturero. Es consultor y profesor en programas de maestría y profesional especializados en tecnologías, calidad, y logística. Su perspectiva combina el rigor técnico con el análisis profundo de cómo la falta de estrategias y liderazgo debilita industrias completas.
