Human Fingerprints: seguir siendo visible en la era de la IA

Hubo un tiempo en que era razonable pensar que los LLMs eran algo así como un juguete caro o un juguete impresionante, pero un juguete al fin y al cabo. Se equivocaban de forma torpe: el sector tiene ejemplos con casos como en los que la IA ha sentado jurisprudencia en escritos legales, o medios que han publicado listas de lectura con libros que no existen. No son anécdotas simpáticas sino recordatorios de que una herramienta capaz de sonar convincente también puede ser peligrosamente eficiente a la hora de propagar errores, y sin embargo, el tono de la conversación está cambiando.

En los últimos meses ha emergido una “clase pro” de modelos y herramientas que deja una experiencia muy distinta a la de generaciones anteriores. No solo por la calidad de salida, sino por la forma de trabajar: menos prompts quirúrgicos, más ejecución autónoma, es decir, menos “herramienta”, más “colaborador”. Este es un matiz es importante a ojos del marketing y la publicidad porque cuando el software empieza a decidir los pasos intermedios (léase probar, fallar, ajustarse y seguir) ya no estamos hablando de automatización puntual sino de un cambio de naturaleza en el trabajo de oficina.

Del “modelo que responde” al “agente que ejecuta”

Hoy en día hay sistemas que son conscientes de su entorno, usan herramientas y toman decisiones paso a paso, pidiendo input solo cuando lo necesitan. Esa frase es un terremoto silencioso: la mayor parte de los entregables que mueven el día a día de una Big 6 (y de cualquier anunciante serio) siguen un patrón simple: recibes inputs, sintetizas, produces un entregable (un briefing, datos, research, benchmarks, referencias creativas, constraints legales…) y al final, un deck, un plan, un modelo, una recomendación. Por poner un ejemplo que en agencia se entiende al instante: el “PPT test”. Darle un brief a un sistema, adjuntar investigación, pedir tendencias accionables, entregar una plantilla, y recibir una presentación con forma. La tesis no es que sea perfecto sino que en pocos meses, el resultado pase de ser “apenas usable” a “casi presentable”. Ese “casi” es el umbral que más asusta, porque en producción corporativa, el coste no está en el 100% sino en el 80% que consume tiempo y margen humano. Si una herramienta empieza a regalarte ese 80%, lo que queda es otra cosa.

El trabajo “correcto” deja de diferenciarte

Aquí aparece la paradoja central del tema: lo que hoy sentimos como superpoder mañana será “lo normal”. Los decks estarán pulidos. Los informes serán completos. La investigación será abundante. Hacer las cosas rápido y “bien” deja de ser especial.

Y en este escenario, surge una pregunta muy concreta y profundamente humana: “¿qué quedará de mí?” No en el sentido melodramático sino en el profesional. ¿Qué te hace crecer cuando el baseline sube y tu output “correcto” se vuelve commodity? La respuesta es cultural… las huellas humanas.

Tres huellas humanas que la IA no rellena por ti

La primera es el gusto. No como estética, sino como criterio; tener opinión sobre qué es bueno y qué no lo es, y poder explicar por qué. En marketing, esto se traduce en entender audiencia, contexto cultural, timing, saturación, tensión creativa y también en saber cuándo algo “funciona” aunque sea difícil de demostrar en un modelo. Podemos mencionar el caso de Unilever y su uso de “digital twins” y producción con IA para acelerar y abaratar. La idea que este ejemplo subraya no es el ahorro, sino el efecto organizativo: liberar tiempo humano para decidir mejor qué producir, no solo cómo producirlo. Si lo mecánico se abarata, el valor se desplaza a la dirección creativa y estratégica: a quien tenga ojo, y en definitiva a quien tenga gusto.

La segunda huella es la toma de decisiones. Esto es menos romántico y más real; la IA puede recomendar, puede optimizar, puede sugerir rutas… pero el trabajo serio sigue teniendo un punto de apuesta: decidir con datos incompletos, gestionar trade-offs, asumir coste de oportunidad, en definitiva, saber cuándo seguir a la máquina y cuándo no. Podemos poner un ejemplo como el de Spotify para ilustrar una idea interesante: los algoritmos pueden personalizar muy bien lo conocido, pero la relevancia cultural requiere punto de vista. El matiz no es si Spotify “usa IA o no”, es que la curación humana se mantiene como decisión deliberada porque hay cosas que no se derivan solo de un patrón. Hay que elegir sorprender, no solo acertar.

La tercera huella es la marca personal, entendida como estilo profesional reconocible. No “personal branding” de LinkedIn, sino reputación real: qué estándares tienes, qué preguntas haces, qué te niegas a firmar, qué obsesiones te definen. En una agencia esto se ve rápido: el estratega que siempre trae un ángulo distinto, la persona de Adops que nunca deja que algo se caiga o el manager que hace preguntas incómodas cuando todo el mundo quiere cerrar rápido.

La IA puede producir trabajo competente en estos dominios, pero hay que insistir en un punto que vale la pena sostener: no decide qué tipo de profesional quieres ser, eso sigue siendo tu responsabilidad.

La lectura estructural para el sector

Esto no va de si la “IA es buena” o si la “IA es mala” sino de desplazamiento de valor. Cuando la producción se abarata, se reordena la jerarquía. En nuestro sector, especialmente en las agencias, muchas capas intermedias se justificaban por capacidad de producción: bajar briefings a decks, decks a versiones, versiones a outputs… si esa capa se vuelve más barata y más rápida, el valor se mueve hacia criterio, decisión, y responsabilidad. Y aquí hay una consecuencia incómoda que en el sector se comenta poco: cuanta más automatización, más se separa el mercado entre quienes tienen autoridad para decidir y quienes eran “muy buenos ejecutando”. La ejecución seguirá existiendo, pero se reconfigura, se premia menos el esfuerzo y más el juicio. Esto obliga a un tipo de retooling que no se aprende en un máster o en un tutorial: construir punto de vista, aprender a decir “no”, sostener decisiones, y tener un estándar propio.

Si decides tomar la “pastilla IA”, prueba lo que todas estas herramientas son capaces de hacer, y entiende la magnitud del cambio, pero no te quedes en la fascinación. La ventaja competitiva no será “usar la IA”, eso será lo mínimo, la ventaja será seguir siendo alguien con huella: gusto que compone, decisiones que se sostienen y un estilo profesional que otros reconocen y por eso te buscan, incluso cuando el resto de outputs empiecen a parecerse demasiado. Esa es la parte que, por ahora, no se automatiza.

Puntos clave:

• Los errores públicos de la IA han sido reales, pero estamos entrando en una etapa “pro” y más agéntica: menos ayuda humana, más ejecución autónoma en tareas de conocimiento.

• Si lo “pulido” y lo “correcto” se vuelve una commodity, el diferencial se desplaza a huellas humanas: gusto (criterio), toma de decisiones (apuestas con trade-offs) y marca profesional (estilo reconocible).

• Para agencias y anunciantes el cambio no es solo de herramientas, sino de jerarquía del valor: menos producción como ventaja, más juicio, responsabilidad y punto de vista.

Este resumen lo ha creado una herramienta de IA basándose en el texto del artículo, y ha sido chequeado por un editor de PROGRAMMATIC SPAIN.