Cuando una organización decide incorporar inteligencia artificial, suele comenzar preguntando qué modelo debería utilizar. Compara plataformas, capacidades, precios y velocidades, como si el éxito dependiera exclusivamente de escoger la tecnología más avanzada.
Sin embargo, un modelo de IA por sí solo no conoce la empresa, no comprende sus procedimientos ni sabe cuáles decisiones puede tomar. Tampoco identifica automáticamente las fuentes autorizadas, los criterios de calidad o el momento en el que debe detenerse para consultar a una persona.
Durante la clase, el profe Julián explica que no es necesario crear una inteligencia artificial desde cero. El verdadero reto consiste en combinar modelos, datos, plataformas, instrucciones, habilidades, conectores y reglas para resolver procesos concretos con trazabilidad y el nivel adecuado de intervención humana.
Esta combinación puede entenderse como un cerebro de IA diseñado para un propósito específico.
Un cerebro de IA es un sistema, no una herramienta
En esta metáfora, el modelo representa la capacidad para interpretar, comparar, redactar o razonar. Pero necesita otros componentes para producir un resultado útil.
El profe Julián explica que pensar únicamente en el modelo equivale a imaginar que un cerebro puede funcionar sin memoria, sentidos, instrucciones ni relación con el entorno. La capacidad aparece cuando todas las piezas se conectan correctamente.
Datos: la información con la que trabaja
Los datos pueden encontrarse en hojas de vida, evaluaciones, contratos, circulares, audios, términos de referencia, manuales, hojas de cálculo o sistemas empresariales.
Antes de utilizar esta información es necesario confirmar que esté actualizada, completa y autorizada. Una respuesta convincente construida sobre datos incorrectos continúa siendo una respuesta incorrecta.
Plataformas: el lugar donde vive el trabajo
La información puede estar distribuida entre Google Drive, correo electrónico, calendarios, CRM, ERP, servidores, carpetas locales y otras aplicaciones. La plataforma determina cómo se accede a los datos, qué permisos se necesitan y qué acciones puede ejecutar la solución.
Instrucciones: el propósito humano
Las instrucciones establecen qué debe hacer la IA, para quién lo hace y cómo debe presentar el resultado. No basta con pedir “analiza estos documentos”. Una instrucción operativa debería definir el objetivo, los criterios de evaluación, las fuentes válidas, el formato de salida y las situaciones que requieren una advertencia.
Como señala el profe Julián, las instrucciones humanas son las que convierten una capacidad general de IA en una solución orientada a un problema real.
Modelo: la capacidad de procesamiento
No todos los procesos necesitan el modelo más avanzado. Algunas tareas pueden ejecutarse con modelos rápidos y económicos; otras requieren mayor capacidad para cruzar fuentes, interpretar excepciones o trabajar con instrucciones complejas.
La elección debe considerar el volumen, la dificultad, el riesgo y el costo.
Habilidades: el procedimiento reutilizable
Una habilidad o skill convierte la experiencia de una persona en una secuencia estructurada. Puede indicar cómo auditar un archivo, comparar candidatos, preparar una cotización o elaborar un diagnóstico. La habilidad evita comenzar desde cero cada vez que se repite una actividad.
Conectores: los vínculos con otros sistemas
Los conectores permiten consultar archivos, leer calendarios, acceder a correos o interactuar con plataformas empresariales. Sin estas conexiones, la IA puede responder preguntas, pero permanece aislada del lugar donde realmente ocurre el trabajo.
Restricciones: los límites de actuación
Una solución responsable necesita saber qué no puede hacer. Las restricciones pueden exigir que no invente información, cite las fuentes, proteja los datos personales, pida aprobación antes de enviar un mensaje o se detenga cuando existan contradicciones.
Interacción humana: la responsabilidad final
La supervisión humana no debe añadirse al final como una formalidad. Debe diseñarse desde el comienzo. La organización necesita decidir quién revisa, qué revisa y bajo qué circunstancias puede aprobar, corregir, rechazar o suspender una acción.
El profe Julián explica que una solución no se vuelve más inteligente simplemente por eliminar la participación humana. En muchas situaciones, su calidad depende precisamente de saber cuándo debe intervenir una persona.
Un ejemplo: comparar candidatos para una vacante
Un cerebro de IA para selección de personal podría recibir hojas de vida, perfiles profesionales, evaluaciones y audios de entrevistas. Las instrucciones establecerían los requisitos del cargo, los criterios de puntuación y las condiciones que no pueden utilizarse para discriminar. Una habilidad aplicaría siempre el mismo procedimiento. Los conectores accederían a las carpetas autorizadas y el modelo produciría una matriz comparativa, un resumen y alertas.
Pero la decisión de contratación continuaría en manos de una persona. Esta arquitectura también podría aplicarse a otros procesos:
- Cruzar una convocatoria con los perfiles de un equipo.
- Analizar políticas y responder consultas internas.
- Preparar materiales educativos a partir de fuentes verificadas.
- Elaborar diagnósticos de consultoría.
- Revisar propuestas y requisitos comerciales.
- Crear planes de formación según brechas identificadas.
El valor no está en la cantidad de documentos procesados, sino en la consistencia, trazabilidad y utilidad del resultado.
Una plantilla para diseñar el sistema
Antes de elegir una herramienta, conviene responder estas preguntas:
- ¿Cómo se llamará el modelo o agente?
- ¿Qué problema concreto resolverá?
- ¿Quién utilizará el resultado?
- ¿Cuáles son sus fuentes autorizadas?
- ¿Qué plataformas necesita consultar?
- ¿Qué insumos recibirá?
- ¿Qué pasos deberá ejecutar?
- ¿Qué criterios, reglas o pesos aplicará?
- ¿Qué riesgos y restricciones tendrá?
- ¿Qué entregable debe producir?
- ¿Qué nivel de revisión humana necesita?
- ¿Con qué frecuencia se ejecutará?
- ¿Cómo se medirá su desempeño?
Estas respuestas convierten una idea general en una especificación que puede probarse y mejorarse.
Comenzar con un problema, no con una plataforma
El error más frecuente consiste en adquirir una herramienta y después buscar un proceso donde utilizarla. El profe Julián insiste en que el orden debería ser el contrario: primero se identifica un problema repetitivo, se comprenden las fuentes, se define el entregable y se determinan los riesgos. Solo entonces se seleccionan la plataforma y el modelo adecuados.
La ventaja competitiva no proviene de usar más inteligencia artificial. Proviene de diseñar mejores conexiones entre conocimiento confiable, instrucciones claras, procedimientos reutilizables y revisión humana.
Un modelo puede generar respuestas. Un cerebro de IA bien diseñado puede producir resultados útiles, verificables y alineados con las necesidades de una organización.
Fuente: Guía ilustrada de la clase: Modelos predictivos, bancos de información y cerebros de IA. Curso IA GI, módulo 2, sesión del 20 de agosto de 2026, orientada por el profe Julián.
Edición: Equipo Editorial IMK Global | Community Manager Esperanza Herrera apoyada en herramientas de IA
👉 Mira el catálogo de soluciones y mentoría AQUI
Soluciones digitales completas
Julian Andrés Castiblanco Herrera
🟢 CEO – Chief Executive Officer
ImkGlobal – Ingenieros de Marketing
✉ ceo@imk.global
📞 CO: +57 300 639 8181
Camilo Fernando Castiblanco
Chief Growth Officer – ImkGlobal – Your Growth Partner in the Americas
growth@imk.global
Colombia+ 57 313 387 3446
United States: + 1 (689) 236 9820
www.imk.global
Visita nuestro Portal de https://experienciasimk.com/ia/