Reshaping the way we work: cómo estamos enseñando a trabajar con IA generativa
Reshaping the way we work: cómo estamos enseñando a trabajar con IA generativa
El problema no era técnico... Aprende cómo integrar la IA generativa en el trabajo real. Descubre la técnica LLM as a Judge y el reto de gobernar la IA.
Durante una sesión de mentoring en novanotio, uno de nuestros consultores compartía una dificultad concreta: estaba teniendo problemas para preparar una presentación de servicios de ciberseguridad.
A priori, no tenía sentido.
Tenía conocimientos técnicos sólidos, buena capacidad de comunicación y experiencia utilizando herramientas de IA en su día a día. Y, aun así, estaba bloqueado.
Este tipo de situaciones empieza a ser cada vez más habitual.
Porque el problema ya no es saber, ni siquiera saber utilizar IA.
El problema es otro:
cómo integrar la IA dentro del proceso de trabajo.o
La técnica: LLM as a Judge
Durante la sesión le propuse probar una técnica que utilizamos en nuestra oficina de GPTs (novanot-IA): LLM as a Judge.
La idea es sencilla: pedirle a la IA que evalúe tu trabajo desde la perspectiva de tu cliente.
Pero para que funcione, el contexto tiene que estar bien definido.
Antes de pedir la evaluación, hay que concretar:
Quién es el interlocutor
Qué rol tiene (CEO, CISO, CTO…)
Qué tipo de empresa representa (mid-market, IBEX, startup…)
En qué sector opera
Qué le preocupa realmente
Una vez definido esto, la IA puede:
Analizar el contenido
Identificar fortalezas
Detectar debilidades
Proponer mejoras accionables
Lo probamos en ese mismo momento.
En cuestión de segundos, la IA devolvió algo muy valioso: una lectura clara de cómo percibiría la presentación el cliente y qué cambios eran necesarios para mejorarla.
El falso final: cuando parece que ya está resuelto
En ese punto podría parecer que el problema estaba solucionado.
Pero no.
La IA es no determinista.
Eso significa que, ante la misma pregunta, puede generar respuestas diferentes.
Esto introduce un nuevo problema:
Cambian los matices
Se priorizan aspectos distintos
Aparece variabilidad en los resultados
Sin un marco de trabajo claro, esto genera ruido, dudas y pérdida de tiempo.
Justo lo contrario de lo que buscamos al usar IA.
La verdadera competencia: gobernar la IA
Aquí es donde cambia el enfoque.
No se trata solo de:
usar herramientas
escribir mejores prompts
conocer modelos
Se trata de algo más profundo:
ser capaz de gobernar sistemas basados en IA.
Cómo lo estamos aplicando en novanotio
En novanotio estamos enseñando a nuestros consultores a trabajar con IA de forma estructurada. Esto implica varios cambios clave.
1. Pensar en procesos, no en prompts
La IA no es una interacción puntual.
Es una pieza dentro de un flujo de trabajo.
2. Definir roles claros para la IA
No se trata de “una IA que responde”, sino de asignarle funciones concretas:
- evaluador
- crítico
- cliente
- experto técnico
3. Reducir la variabilidad
No buscamos creatividad infinita.
Buscamos consistencia y fiabilidad en los resultados.
4. Convertir respuestas en decisiones
El objetivo no es generar contenido, sino mejorar resultados reales:
- presentaciones más efectivas
- mejor comunicación con cliente
- mayor impacto en el negocio.
De usuario avanzado a profesional de IA
Este caso pone sobre la mesa una idea importante:
ser un usuario avanzado de LLMs no es suficiente.
El cambio real está en pasar de:
usar IA →
a integrarla de forma sistemática en el trabajo
En los próximos años, la diferencia no estará entre quienes usan IA y quienes no.
Estará entre quienes la utilizan de forma puntual y quienes han rediseñado su forma de trabajar alrededor de ella.
Qué estamos construyendo
En Novanotio siempre hemos trabajado el desarrollo profesional desde dos dimensiones:
- capacidad técnica
- capacidad de gestión y liderazgo
Ahora añadimos una tercera:
la capacidad de trabajar con IA de forma estructurada.
Esto implica:
- enseñar técnicas como LLM as a Judge
- integrarlas en el día a día de los proyectos
- acompañar a los consultores en su adopción
No como formación puntual, sino como parte de su evolución profesional.
Lo que viene después
Volviendo a la pregunta clave:
¿Cómo evitamos que técnicas como LLM as a Judge generen resultados inconsistentes y se conviertan en ruido?
Ahí es donde empieza el trabajo serio.
En el siguiente artículo explicaremos cómo utilizamos esta técnica de forma estructurada, reproducible y fiable para convertirla en una herramienta real de trabajo.
Artículos relacionados: ¿Fracasan el 95 % de los proyectos de IA?
¿Fracasan el 95 % de los proyectos de IA?
¿Fracasan el 95 % de los proyectos de IA?
Lo dice el MIT, pero… ¿qué significa realmente?
Hace unos días circulaba por LinkedIn un dato demoledor: según un informe del MIT, el 95 % de los proyectos de IA generativa fracasan. El titular es tan redondo que parece diseñado para viralizarse. El problema es que el artículo no enlazaba la fuente.
Buscando un poco descubrimos que el dato es real y procede del informe The GenAI Divide: State of AI in Business 2025. Han analizado más de 300 implementaciones, entrevistas con ejecutivos y encuestas a empleados. Y la conclusión es clara: la mayoría de los pilotos de IA no dejan rastro en la cuenta de resultados.
El valle de la desesperación
Un 95 % de fracasos nos dice que estamos en plena fase de hype. Después llegará el inevitable “valle de la desesperación”, donde la mayoría perderá la fe antes de que la tecnología madure y se asiente en la meseta de productividad.
¿De qué sirve un plan?
El MIT sugiere un modelo de cambio con visión, habilidades, incentivos, recursos y plan. Pero… ¿de qué sirve un plan cuando no conoces el alcance real de la tecnología?
Muchas empresas habrán redactado su plan estratégico de IA con palabras bonitas, habrán puesto incentivos, liberado recursos… y aun así han fracasado. Porque nada de eso sustituye al sentido común que da la experimentación.
La visión se construye usando la tecnología
No pasa nada por empezar sin una visión clara. Los pilotos te enseñan qué funciona y qué no. La visión se construye desde la experiencia, no desde un PowerPoint.
Las habilidades: IA como un becario
Un LLM no es un sistema clásico que obedece sin rechistar. A veces acierta, a veces se equivoca. Hay que corregirlo, repetirle tareas, darle contexto. La metáfora más útil es la de un becario: promete mucho, pero necesita guía constante.
La mejor formación no es un curso, sino reservar tiempo a los empleados para que exploren por sí mismos.
¿Incentivos? No, gracias
En Novanotio no nos gustan los bonus. Son presión disfrazada de motivación. Recordemos la segunda ley: Presión × Talento = Constante.
Además, ya vimos en la crisis financiera cómo los directivos cobraban sus bonus mientras hundían el sistema. Difícil creer que aquí vaya a ser distinto.
Asignar recursos
Sí, pero los recursos más valiosos son tus propios empleados. Dales tiempo para jugar con la tecnología, monta un concurso de prototipos, premia a los más espectaculares.
No necesitas contratar un ejército de ingenieros de datos. Con un pequeño equipo que dé continuidad a lo mejor que surja de tus pilotos tienes más que suficiente.
El precio de la IA seguirá bajo
Curiosamente, tantos fracasos son una buena noticia para los compradores. Con una tasa de éxito tan baja, las licencias seguirán siendo asequibles. Si el 90 % de los proyectos tuviera éxito, el precio se habría multiplicado por cien.
Los pilotos no son fracasos
Hacer pilotos que no llegan a producción no es un error, es una forma prudente de aprender. Probar, fallar y ajustar es el único camino razonable cuando una tecnología está en pleno proceso de maduración.
Conclusión
El 95 % de fracasos no significa que la IA no sirva. Significa que aún no sabemos muy bien cómo usarla. La verdadera transformación no se compra con visiones y planes genéricos, sino que se construye con experimentación, aprendizaje y sentido común.
Otro de nuestros artículos: ¿Menos horas trabajadas? Gallup confirma que no implica menos productividad
¿Menos horas trabajadas? Gallup confirma que no implica menos productividad
¿Menos horas trabajadas? Gallup confirma que no implica menos productividad
Teletrabajo, productividad y liderazgo: lo que revela el estudio de Gallup y lo que vemos en el sector tecnológico.
En los últimos años, el debate sobre el impacto del teletrabajo en la productividad ha sido constante. El último estudio de Gallup, basado en el American Time Use Survey (ATUS) entre 2019 y 2023, arroja una conclusión clara: los empleados que pueden teletrabajar trabajan menos horas, pero eso no implica necesariamente que produzcan menos.
Menos horas trabajadas, ¿menos productividad?
Según los datos, en 2022 los trabajadores en roles altamente remotos dedicaban una hora menos al día al trabajo respecto a 2019, redirigiendo parte de ese tiempo a actividades de ocio. El fenómeno es especialmente marcado entre hombres solteros sin hijos, y mujeres sin estudios universitarios.
Desde nuestra experiencia en el sector tecnológico, este resultado era previsible. Medir el tiempo de trabajo es una de las pocas métricas disponibles para valorar la actividad de consultores y equipos remotos. Sin embargo, estar presente más horas —ya sea en casa o en la oficina— no garantiza productividad. Es posible “trabajar menos” incluso sentado en la oficina, ya sea por distracciones digitales o conversaciones informales.
Productividad estable: calidad frente a cantidad
El hallazgo más relevante del estudio es que, pese a la reducción de horas trabajadas, no ha habido una caída de la productividad agregada. La explicación principal está en la capacidad del teletrabajo para facilitar un mejor encaje entre las características del profesional y el puesto. Además, se ha producido un desplazamiento hacia sectores con mayor productividad y mejores salarios.
Esto conecta directamente con una teoría que venimos sosteniendo en la industria tecnológica: no es posible mantener un rendimiento creativo sostenido durante ocho horas diarias. Actividades como la programación requieren concentración profunda, que los consultores sitúan entre dos y cinco horas de calidad al día. Lo interesante es que muchos profesionales reportan más horas de concentración trabajando desde casa, lo que confirma que menos horas puede equivaler a mejores horas.
El valor de las relaciones personales
El estudio también recuerda algo esencial: la productividad no depende solo de la concentración individual, sino de las relaciones personales dentro de los equipos. En tecnología, donde la colaboración y el intercambio de ideas son claves, construir y mantener buenas relaciones es uno de los grandes retos del trabajo remoto. De hecho, este factor puede llegar a pesar más que el número de horas efectivas de trabajo.
Liderazgo: el verdadero diferencial
Tanto Gallup como nuestra propia experiencia coinciden en un punto central: el liderazgo es el factor que más impacta en la productividad. Las decisiones de los managers, su capacidad de generar confianza, de comunicar con claridad y de construir cultura pesan más que la localización o la flexibilidad.
En este contexto, el teletrabajo emerge como un mecanismo de mitigación frente a malos líderes. Cuando la gestión es deficiente, poder trabajar en remoto puede ser un salvavidas para los profesionales y una vía para mantener la productividad del equipo. Ésta podría ser una de las razones que explican por qué los indicadores de productividad no han caído, a pesar de la reducción en el tiempo dedicado al trabajo.
Conclusión
El estudio de Gallup confirma algo que ya intuíamos: el teletrabajo cambia el reparto del tiempo, pero no necesariamente erosiona la productividad. La clave no está en contar horas, sino en gestionar la calidad del trabajo, las relaciones interpersonales y el liderazgo. En definitiva, el teletrabajo y el modelo híbrido son herramientas poderosas, pero su éxito depende más de la cultura y de los managers que de la geografía.
Leer más: ¿La inteligencia artificial está cerrando las puertas a los becarios?
¿La inteligencia artificial está cerrando las puertas a los becarios?
¿La inteligencia artificial está cerrando las puertas a los becarios?
Inteligencia artificial y becarios: ¿un futuro sin primeras oportunidades?
Automatizar está bien… ¿pero a qué precio?
La inteligencia artificial está transformando a toda velocidad el mundo del trabajo. En sectores como la ciberseguridad, tareas antes manuales, repetitivas o de primera línea de defensa están siendo asumidas por sistemas capaces de analizar grandes volúmenes de datos, detectar patrones anómalos y hasta tomar decisiones automatizadas.
A simple vista, esto es una buena noticia: más eficiencia, menos errores humanos y más tiempo para tareas de valor. Sin embargo, también deja una pregunta incómoda: si la IA puede hacer el trabajo de un becario… ¿qué pasa con los becarios?
Ya lo veíamos venir
Al igual que Sam Altman, CEO de OpenAI, advirtió el potencial de la IA para asumir tareas cada vez más complejas, desde Novanotio ya señalamos esta transformación en nuestro artículo de 2023 sobre la aplicación de IA en los SOC. Entonces hablábamos de un SOC 2.0, más automatizado y eficiente, con herramientas de IA capaces de detectar amenazas con mayor precisión y contexto.
Hoy, esa predicción se ha convertido en realidad. Pero con ella, surge también un efecto secundario inesperado: el riesgo de que se cierren las puertas a quienes están dando sus primeros pasos en el mundo laboral.
El problema de no tener dónde empezar
Durante décadas, los puestos junior o en prácticas han sido la puerta de entrada al mundo laboral. No solo para aprender una profesión, sino para entender cómo se trabaja en equipo, cómo se comunica una incidencia, cómo se gestiona el día a día real.
Hoy, sin embargo, la IA comienza a cubrir ese tramo inicial. Sam Altman lo resumía así:
“Hoy la IA es como un becario que trabaja un par de horas. Pero en el futuro cercano será como un ingeniero experimentado que trabaja varios días.”
¿Y entonces? Si las tareas sencillas se automatizan y no hay espacio para aprender en el puesto de trabajo, se corre el riesgo de alimentar la paradoja clásica: necesitas experiencia para conseguir trabajo, pero no puedes conseguir experiencia porque no te dan trabajo.
El reto no es frenar la IA, sino rediseñar la entrada
La IA no debería sustituir al talento en formación, sino complementarlo. Automatizar lo repetitivo permite que los becarios se centren en tareas más estratégicas, desarrollen pensamiento crítico y entiendan cómo funciona un entorno real.
Pero esto solo será posible si las organizaciones mantienen espacios formativos, incluso en entornos automatizados. Invertir en talento joven sigue siendo clave, porque ni el mejor algoritmo puede reemplazar la intuición, la creatividad o el criterio humano.
Que la IA no cierre, sino que abra
La automatización no tiene por qué ser el fin de los becarios. Puede ser, de hecho, la oportunidad para formar perfiles más completos, con criterio, pensamiento crítico y capacidad de adaptarse a entornos tecnológicos cada vez más complejos.
Pero eso no ocurrirá solo. Requiere decisión, compromiso y una visión a largo plazo por parte de las organizaciones.
Porque el talento no nace experto. Y si no le damos un primer paso, nos quedaremos sin segundo.
Leer más: Microsoft a los 50: la victoria silenciosa de un estándar global
Microsoft a los 50: la victoria silenciosa de un estándar global
Microsoft cumple 50 años: medio siglo marcando el estándar
De MS-DOS a la inteligencia artificial, Microsoft ha sido testigo y protagonista de cada gran cambio tecnológico de las últimas cinco décadas.
Este 2025, Microsoft celebra su 50 aniversario. Medio siglo desde que Bill Gates y Paul Allen fundaron una pequeña empresa con una visión enorme: poner un ordenador en cada escritorio y en cada hogar. Lo que comenzó como un sueño ambicioso se ha convertido en una de las empresas más influyentes y duraderas de la historia de la tecnología.
A lo largo de estos 50 años, Microsoft no siempre ha sido la compañía más innovadora, ni la que más ha arriesgado con diseños rompedoramente bellos o experiencias de usuario revolucionarias. Sus productos, aunque sólidos y funcionales, a menudo han sido eclipsados en términos de imagen por competidores como Apple, que ha sabido posicionarse como sinónimo de diseño y vanguardia. O incluso por gigantes del open source como Linux en el ámbito de los servidores, o Google, que conquistó el terreno de la web con Chrome, Android y sus servicios en la nube.
Y, sin embargo, Microsoft ha perdurado. No solo ha perdurado: ha prosperado. Hoy es una de las compañías más valiosas del mundo, con una capitalización bursátil que a menudo rivaliza —y en momentos supera— la de Apple y otras big tech. ¿Cómo lo ha conseguido?
La respuesta está, quizá, en su capacidad de adaptación. Microsoft ha sabido reinventarse. Pasó de ser la empresa que dominaba el software de escritorio con Windows y Office a convertirse en un gigante de la nube con Azure. Supo entender el valor de los servicios, del entorno empresarial, de la integración entre plataformas. Apostó por lo transversal, por lo útil, por lo estándar. Y eso, en un mundo donde todo cambia, ha sido su fortaleza: convertirse en la base sobre la cual muchas otras empresas construyen.
También ha demostrado una capacidad admirable para aprender de sus errores. Supo rehacerse tras el fracaso de Windows Vista, supo reenfocar su estrategia tras su infructuosa incursión en el mundo móvil, y supo abrazar el código abierto, cuando durante décadas fue uno de sus más grandes detractores. Satya Nadella, su CEO desde 2014, ha sido clave en esta transformación. Bajo su liderazgo, la cultura corporativa ha virado hacia una empresa más abierta, colaborativa y centrada en el impacto social y tecnológico.
Microsoft ha demostrado que la innovación no siempre tiene que ver con lanzar lo más rompedor, sino con mantenerse relevante. Ha creado un ecosistema robusto, confiable y extendido a nivel global, que muchas veces no es el más brillante en escaparate, pero sí el que más se utiliza. Y en eso radica lo admirable: en ser el estándar.
Celebrar los 50 años de Microsoft es celebrar la consistencia, la resiliencia y la capacidad de evolucionar sin perder de vista el propósito. No es solo una historia de tecnología, es una lección de cómo mantenerse en la cima siendo útil, fiable y estratégicamente imprescindible.
Leer más: No se qué se espera de mi en el trabajo