Cuando la respuesta es gratis, la pregunta vale todo

Los números son difíciles de exagerar. Según Epoch AI, obtener una respuesta de nivel GPT-4 costaba entre 30 y 60 dólares por millón de tokens en marzo de 2023. Hoy cuesta unos 40 centavos. En algunas tareas, el precio de la inteligencia artificial cae hasta 40 veces por año, una deflación que no tiene precedente en ninguna tecnología reciente. Ni la electricidad, ni el transistor, ni el ancho de banda se abarataron a esta velocidad. Cuando algo se vuelve tan barato tan rápido, deja de ser ventaja y se vuelve commodity.

Pero acá aparece la primera paradoja: mientras el costo por consulta se desploma, el gasto total de las empresas en IA sube. La razón es volumen. Los flujos de trabajo con agentes disparan decenas de llamadas por tarea. Las respuestas baratas no achicaron la demanda de inteligencia, la multiplicaron. Y multiplicaron también el ruido: más respuestas genéricas circulando, más contenido promedio, más gente obteniendo exactamente lo mismo.

La IA no sustituye al pensamiento, lo expone. Un estudio de Microsoft y Carnegie Mellon con 319 trabajadores del conocimiento encontró algo incómodo: cuanta más confianza tiene una persona en la IA, menos pensamiento crítico aplica. Y al revés: quienes confían en su propio criterio se involucran más críticamente con lo que el modelo devuelve, aunque les cueste más esfuerzo. La herramienta es la misma para todos; lo que cambia el resultado es la cabeza que la opera.

Harvard y BCG lo midieron en el terreno con 758 consultores. Los que usaron GPT-4 completaron más tareas, más rápido y con mejor calidad. Pero cuando la tarea caía fuera de lo que el modelo hace bien, los usuarios de IA cometieron 19 puntos porcentuales más de errores que los que no la usaban. Es decir: la IA amplifica, pero no discrimina. Saber cuándo confiar y cuándo dudar es una habilidad humana, y hoy es la más escasa.

Ahí entra la pregunta. La brecha entre el uso pasivo y el pensamiento aumentado es, simplemente, la calidad de tus preguntas. Un prompt mediocre devuelve un resultado genérico. Una pregunta precisa, con contexto y con intención, abre caminos que el modelo no recorre solo. No es casualidad que el "prompt engineering" como puesto de trabajo esté desapareciendo: las ofertas laborales cayeron cerca de un 40% porque los modelos ya entienden lenguaje natural sin trucos. Lo que quedó al desnudo es lo que el prompt engineering siempre fue en el fondo: pensar con claridad. Si no podés articular qué querés, ningún modelo te va a salvar.

Las habilidades blandas que el mercado subestimó durante años (pensamiento crítico, curiosidad, capacidad de reformular un problema) se están convirtiendo en las más difíciles de replicar por una máquina.

La IA democratizó el acceso a respuestas. No democratizó la capacidad de hacer las preguntas correctas. Ahí se juega la próxima ventaja competitiva, y no tiene nada que ver con tecnología. Saber formular una buena pregunta exige entender qué no sabés y qué querés, y eso ningún modelo lo va a hacer por vos.