Lectura: 9 minutos · Para directores y dueños de empresa que ya usan IA en su equipo
El mes pasado, en uno de mis workshops para directores, un dueño de empresa me hizo la misma pregunta que me hacen en cada taller o plática que me toca compartir.
«Alfonso, ¿qué herramienta de IA me recomiendas para vender más?»
Le contesté: ninguna. Todas. Da lo mismo.
El tema relevante aquí no es la IA
Cuando llegó el ecommerce, todos los dueños de tienda física pensamos que el retail se acababa. Cuando llegó el performance marketing (la publicidad digital que se paga por resultado, no por exposición), los publicistas decían que la creatividad ya no importaba. Cuando llegaron las redes sociales, dijimos que el vendedor de mostrador estaba muerto.
En ninguna etapa murió el negocio como tal. Se quedó atrás el que confundió la herramienta con la estrategia.
Hoy pasa lo mismo con la IA, solo que más rápido y con esto, más confuso.
Cualquiera con un teléfono tiene acceso a la misma inteligencia artificial que tú. El director de tu competencia, el que apenas está empezando su negocio y tú, tienen exactamente la misma herramienta. Mismo modelo, mismo precio, misma velocidad.
Entonces, si todos tenemos lo mismo, ¿por qué unos les va muy bien y otros no?
Porque la IA no piensa por ti. Ejecuta lo que tú le das.
Sin un objetivo comercial claro, sin conocer a tu cliente, sin entender en qué etapa está tu embudo (el camino que recorre un cliente desde que no te conoce hasta que te compra) y qué está fallando de verdad ahí, la IA solo produce lo mismo que muchas veces hacíamos sin ella: diarrea mental, más de lo mismo pero más rápido.
Tú contextualizas. La IA capitaliza. Ese orden no se puede invertir. (Todavía)
Y esto ya no es una intuición mía. Tiene nombre y tiene números detrás.
Lo que encontraron Stanford y BetterUp
En septiembre de 2025, el Stanford Social Media Lab y la firma BetterUp encuestaron a más de mil empleados de oficina de tiempo completo en Estados Unidos. Buscaban entender qué estaba pasando con todo ese contenido generado por IA que circula dentro de las empresas: reportes, correos, resúmenes, presentaciones.
Encontraron que el 40% de los empleados cree haber recibido este tipo de contenido en el último mes, y que en promedio estiman que el 15.4% de todo el trabajo que reciben de otros es de baja calidad, generado por IA sin criterio. Le llamaron workslop.
La definición importa, porque describe exactamente la diarrea mental de la que te hablo, solo que documentada por investigadores. Workslop no es contenido malo. Es contenido que se ve terminado, se ve profesional, pasa la primera mirada. Pero cuando alguien más lo necesita usar de verdad, descubre que le falta sustancia, contexto o sentido. Harvard Business Review lo definió como trabajo generado por IA que aparenta ser un buen trabajo, pero carece de la sustancia necesaria para avanzar de verdad la tarea que debía resolver.
Y aquí está la parte que deberías subrayar dos veces. No es que la IA haga mal el trabajo. Es que quita el freno natural que antes te obligaba a pensar antes de producir. El profesor de Stanford Jeff Hancock lo explica así: antes, producir algo desordenado seguía tomando esfuerzo. Con IA, ese esfuerzo desaparece por completo, y se puede generar algo con apariencia útil sin que en realidad lo sea.
Antes de la IA, la diarrea mental tenía un límite natural. Te tomaba tiempo escribir el post malo, grabar el video sin gancho, mandar la campaña sin segmentar (sin dividir a tu audiencia por quién es y qué necesita cada grupo). El esfuerzo mismo te frenaba un poco.
La IA le quitó el freno. Ahora puedes producir cien piezas igual que todas en el tiempo que antes te tomaba producir una. Mismo cero análisis, mil veces más volumen, publicado mil veces más rápido.
En las empresas, esto se multiplica
Stanford y BetterUp estudiaron personas dentro de una misma organización, produciendo trabajo para sus colegas. Lo que tú vives como director es más amplio: tu empresa completa decidiendo, a la vez, cómo usar la IA en marketing, en ventas, en atención al cliente, en cada área al mismo tiempo.
Y ahí el mismo patrón se repite, solo que a una escala que cuesta más caro. El 97% de las empresas que ha tenido dificultades para demostrar valor de negocio con sus primeros esfuerzos de IA generativa, y el 79% que enfrenta retos serios para escalarla, no están fallando porque la tecnología no funcione. Están fallando porque trataron la adopción de IA como un problema de herramienta, no de estrategia.
El costo tampoco se escapa. Los propios trabajadores calculan que resolver cada incidente de workslop les toma en promedio dos horas adicionales, y más de la mitad de quienes lo reciben admiten sentirse molestos por ello. Ese es tiempo de tu gente, pagado, gastado en descifrar y corregir algo que nunca debió salir así.
Y no se queda adentro de la empresa. Tu cliente también lo nota, y lo nota más rápido de lo que crees. Un estudio de Reddit y SurveyMonkey encontró que los compradores B2B confían en las recomendaciones de sus pares un 73% de las veces, contra apenas un 39% en los chatbots de IA. El comprador de hoy detecta el contenido genérico casi de inmediato, y cuando lo detecta, penaliza, no premia.
El informe B2B Content and Marketing Trends de Content Marketing Institute y MarketingProfs, basado en más de mil marketers B2B, encontró algo muy alineado con esto: los equipos que ganan no son los que solo producen más contenido, sino los que fortalecen los fundamentos de su marketing y usan la IA para potenciar ese esfuerzo. Sin esos fundamentos, la IA solo acelera la producción de contenido débil.
Los tres síntomas de la diarrea mental con IA
Antes de que te diga qué hacer, vale la pena que aprendas a reconocerla dentro de tu propia empresa. En consultoría veo el mismo patrón repetirse en tres formas distintas, y las tres tienen el mismo origen: nadie pensó antes de producir.
1. Volumen sin filtro. Tu equipo empieza a medir su trabajo en cuántas piezas produjo esta semana, no en cuántas movieron una decisión real de tu cliente. Diez posts de LinkedIn generados en una tarde suenan a productividad. Casi siempre son diez piezas de workslop con el mismo mensaje dicho de formas distintas, vacío y repetido diez veces.
2. Personalización de mentira. El prompt le pide a la IA que «suene personalizado», y la IA obedece cambiando el nombre y dos datos superficiales. El comprador lo detecta en el primer párrafo, porque la estructura y el argumento de fondo siguen siendo genéricos. Eso rompe más confianza que no personalizar nada.
3. Velocidad como excusa. «Es que la IA lo hace rápido» se convierte en la justificación para saltarse el pensamiento estratégico. La velocidad nunca fue el problema que había que resolver. El problema siempre fue la falta de dirección, y ahora esa falta de dirección llega más rápido a tu cliente.
Si reconoces alguno de estos tres dentro de tu equipo, no es un problema de la herramienta que eligieron. Es el mismo vacío de siempre, solo que ahora lo hacen en friega!
El error: prohibir que la usen o rendirse
Cuando un director se da cuenta que su equipo está produciendo esto, suele reaccionar de dos maneras. Y las dos, con respeto, suelen estar equivocadas.
La primera es prohibir. Bajar la orden de «usar menos IA» o de revisar todo a mano de nuevo, como si el problema fuera la herramienta. Eso solo regresa a tu empresa a la velocidad de antes, sin resolver el tema relevante aquí: la falta de contexto antes de producir.
La segunda es rendirse ante el volumen. Aceptar que «así es ahora», que la cantidad de contenido generado ya no se puede revisar toda, y dejar que pase. Eso es peor, porque entrena a tu equipo y a tu mercado a esperar menos de ti.
Las dos reacciones salen del mismo malentendido: creer que el problema está en cuánta IA se usa. En realidad está en qué tan pensado llega el contexto antes de que la IA entre a producir.
Cómo se ve esto en la práctica
El que llega a la agencia pidiendo que «le hagamos contenido con IA» (algo que nos empieza a pasar cada vez más en Santinos Digital) casi siempre tiene un problema de estrategia comercial sin resolver, y quiere que la tecnología se lo tape. No funciona así. Le construimos primero el contexto: quién es su cliente, qué lo detiene, en qué momento del proceso de compra se pierde. Hasta entonces metemos la herramienta.
La IA ejecuta esa estrategia diez veces más rápido de lo que la ejecutaría un equipo humano solo. Pero sin esa estrategia, la IA solo hace más rápido lo que ya estaba mal.
Tú contextualizas. La IA capitaliza.
El Protocolo de Contexto Previo
Antes de abrir cualquier herramienta de IA para vender, atender o comunicar, tu equipo debería poder responder estas tres preguntas. Si no puede responder alguna de forma clara, lo que va a producir es «workslop con mejor ortografía».
1. Objetivo comercial. ¿Qué decisión de negocio necesitas mover con esto? No «generar contenido». No «estar presente». Una meta comercial concreta: recuperar clientes que dejaron de comprar, acortar el ciclo de venta, subir el ticket promedio, resolver una objeción puntual que se repite en tu equipo comercial.
2. Perfil y momento del cliente. ¿A quién le habla exactamente esta pieza, y en qué etapa de su decisión está? No es lo mismo alguien que apenas descubre que tiene un problema que alguien comparando proveedores en su comité de compra. El mensaje que sirve para uno espanta al otro.
3. Punto exacto de fuga o de fricción. ¿Qué está fallando hoy? Si no lo sabes, ese es el primer trabajo, no un prompt más elaborado. Producir contenido para tapar un problema que no diagnosticaste es la forma más cara de posponerlo.
Por dónde empezar (y con qué)
No se trata de auditar cada pieza que produce tu empresa. Se trata de instalar un filtro antes.
Primero, nombra el problema frente a tu equipo. Usa la palabra workslop en tu próxima junta, o la palabra diarrea mental si prefieres el término que ya has leído varias veces en este artículo. Pregunta directo: «¿cuánto de lo que estamos produciendo con IA de verdad tiene contexto detrás, y cuánto es solo volumen?» Vas a obtener respuestas más honestas de las que esperas.
Después, exige las tres respuestas del Protocolo de Contexto Previo antes de cualquier entrega generada con IA, sin excepción, durante treinta días. Es el mismo filtro que ya usan los equipos que ya le entendieron al tema: un informe de PwC basado en más de mil doscientas entrevistas a directivos encontró que un 20% de empresas líderes está capturando el 75% del valor generado por IA, y la diferencia no está en cuánta tecnología tienen, sino en cómo la implementan.
Luego, mide una sola cosa. No te llenes de dashboards tampoco. Mide cuántas piezas producidas con IA regresan para corrección antes de salir a tu cliente. Si ese número baja con el tiempo, el protocolo está funcionando. Si no baja, ya sabes dónde mirar.
Para producir con ese contexto ya resuelto, Claude o ChatGPT te ayudan bien con los borradores una vez que tienen las tres respuestas por escrito. Perplexity sirve para sostener cada pieza con datos verificables, de esos que un comprador escéptico no puede rebatir. Y NotebookLM te sirve para revisar, cada mes, una fracción de piezas que sí funcionaron y encontrar qué contexto tenían en común. Ese patrón es el que hay que repetir, no el volumen.
Para cerrar
Cualquiera con un teléfono tiene acceso a la misma inteligencia artificial que tú. El director de tu competencia, el que apenas empieza su negocio, y tú, tienen exactamente la misma herramienta. Mismo modelo, mismo precio, misma velocidad.
Si diriges una empresa y sientes que te estás quedando atrás en IA, no te claves. El problema casi nunca es la herramienta que no conoces. Es la estrategia comercial que nunca terminaste de definir.
Arregla eso primero. La herramienta te va a alcanzar sola, porque cada vez es más fácil de usar y más barata. El criterio no se vuelve más fácil ni más barato. Ese sigue siendo tu trabajo.
Si este artículo te hizo pensar en algo que tu equipo produjo la semana pasada con IA sin que nadie lo revisara a fondo, compártelo con tu director de marketing o de ventas. Revisen juntos las últimas cinco piezas que salieron así. Es muy probable que el patrón salte a la vista.
Y si quieres llevar esta conversación a tu equipo, escríbeme.
Preguntas frecuentes
¿Qué es el workslop y por qué debería importarle a mi empresa? Es el término que acuñaron investigadores de Stanford y BetterUp para el contenido generado con IA que se ve terminado y profesional, pero que carece de la sustancia necesaria para avanzar de verdad una tarea. Le importa a tu empresa porque casi la mitad de los empleados encuestados dice haberlo recibido en el último mes, y resolverlo toma tiempo pagado de tu equipo.
¿Por qué mi equipo produce más contenido con IA pero los resultados no mejoran? Porque la IA no agrega criterio, ejecuta el que ya tenías. Si tu equipo no tiene claro el objetivo comercial, el perfil de quien recibe la pieza y qué fricción real intenta resolver, la IA solo multiplica el volumen de algo que ya carecía de dirección.
¿Cómo evito que mi empresa produzca diarrea mental con IA sin prohibir su uso? Instalando un filtro de contexto antes de producir, no una revisión después. Exige que cualquier pieza generada con IA responda tres preguntas antes de salir: qué decisión de negocio busca mover, a quién le habla exactamente y qué fricción real intenta resolver.
¿Cómo sé si mi empresa está capturando valor real de la IA o solo produciendo más volumen? Mide cuántas piezas generadas con IA regresan para corrección antes de llegar a tu cliente. Si ese número no baja con el tiempo, es señal de que la herramienta está acelerando un problema de contexto, no resolviéndolo.
¿La desconfianza del cliente hacia el contenido genérico de IA es real o es percepción? Es medible. Los compradores B2B confían en recomendaciones de otros compradores más del doble de las veces que confían en herramientas de IA. Un contenido que se percibe genérico no solo no convence, activa escepticismo adicional en un comprador que ya de por sí investiga por su cuenta.
¿Cuál es la diferencia entre usar IA para acelerar y usar IA para tapar un problema de estrategia? Acelerar significa que la IA ejecuta más rápido algo que ya estaba bien pensado: objetivo claro, cliente definido, fricción identificada. Tapar significa pedirle a la IA que resuelva con volumen lo que en realidad es una falta de estrategia comercial. La herramienta es la misma; el resultado depende de qué le diste antes de usarla.
Escucha el podcast “Marketing Digital para Dueños y Directores” en: Spotify: https://bit.ly/3TKbhG0
En ApplePodcast: https://apple.co/4deSX0p o en Youtube: https://bit.ly/44XHXm0
Compra mi libro: Entender, Atender, Sorprender: Cómo construir un área de servicio al cliente que venda: https://amzn.to/4lSozws
Deja un comentario