Me escriben en masculino. Soy mujer.
Ahí ya sé que el mensaje lo ha escrito una IA. Y que nadie lo ha leído antes de darle a enviar.
Lo noto en el tono. Frío. Pasivo. Todo bien ordenado. Y nadie detrás.
Si yo lo noto, tu cliente también.
Pero ese es el error que se ve. Me preocupa más el otro.
Lo que la IA afirma sin haberlo comprobado. Con la misma seguridad que todo lo demás. Y con eso se deciden precios, propuestas y clientes.
Respuesta corta: usar la IA para tomar decisiones de negocio funciona con dos condiciones. La primera, saber qué quiere tu cliente antes de preguntarle nada. La segunda, obligarla a separar lo comprobado de lo supuesto con cinco etiquetas: hecho, inferencia, hipótesis, no verificado y recomendación. La IA aporta. La decisión es tuya.
Si yo lo noto, tu cliente también
Hay textos bien escritos que no dicen nada de quien los firma.
Lo veo en mensajes, en comentarios y en posts de profesionales que conozco. Saben mucho de su profesión. Y el texto suena a cualquiera.
Antes de enseñar una herramienta, la pruebo yo. Lo hice con la función de LinkedIn que mejora tus textos con IA.
No aportó nada. Dejó el texto más robótico. Más pulido, sí. Más claro, no.
Pulir no es pensar.
Tu cliente no te contrata por cómo suena un texto. Te contrata porque cree que entiendes su problema. Un texto sin nadie detrás le dice lo contrario.
El error que no se ve: la IA aprende a darte la razón
No es una sensación. Está documentado.
OpenAI retiró una actualización de ChatGPT pocos días después de lanzarla. La propia empresa lo explicó: el modelo se había vuelto demasiado complaciente. Una de las causas, los pulgares arriba de los usuarios.
Además, un estudio presentado en el congreso ICLR analizó 15.000 comparaciones de preferencias. Coincidir con la opinión de quien pregunta estaba entre lo que más pesaba para que una respuesta gustara.
Es decir, premiamos que nos den la razón. Y la IA aprende.
Por eso no necesita mentirte para confundirte. Le basta con sonar bien.
Lo que te cuesta en el negocio
Aquí ya no hablamos de tecnología. Hablamos de decisiones.
Le pides a la IA una propuesta. Te gusta. Le pides un precio. Te convence. Le pides el mensaje para el cliente. Suena profesional.
Todo suena seguro. Nada está separado.
Y decides con criterio prestado. Prestado de la IA. Y de todo lo que le diste antes.
El coste no llega el primer día. Llega después.
Llega en propuestas que suenan como las de tu competencia. Entonces el cliente compara lo único que le queda: el precio. Lo conté con un agua de 17.500 € en este post.
Llega en mensajes fríos que recibe quien tenía que sentirse entendido.
Llega en vueltas. Otra versión. Otra más. Y la decisión, sin tomar.
Es la rueda del hámster con IA. Más rápida. Igual de quieta.
Por qué pedirle honestidad no basta
Lo lógico es pedírselo. «Sé honesta conmigo.» Se lo pedirías a una persona.
La IA responde que sí. Cumple la forma. En cambio, el fondo sigue igual: una frase en el chat no cambia cómo aprendió a responder.
Por tanto, la honestidad no se pide. Se exige con estructura.
Cómo usar la IA para tomar decisiones: las cinco etiquetas
Toma una decisión real. Por ejemplo, si cambias tu precio.
Pide a la IA que etiquete cada frase de su respuesta. Así se ve por dentro:
HECHO. «El 77 % de los españoles compra online» (IAB Spain, Estudio eCommerce). Comprobado y con fuente. Lo usas.
INFERENCIA. «Tu cliente compara proveedores en internet antes de llamarte.» Se deduce del dato. Nadie lo ha medido en tu cliente. Lo compruebas.
HIPÓTESIS. «Tu cliente valora más la rapidez que el precio.» Nadie se lo ha preguntado. Se lo preguntas.
NO VERIFICADO. «Según un estudio, el 60 % de las empresas…» Sin una fuente que puedas abrir. (Ejemplo inventado para mostrar cómo suena un dato sin origen.) No lo usas.
RECOMENDACIÓN. «Baja el precio un 10 % para entrar.» Lo propone la IA. Decides tú.
Al final, la respuesta ya no suena tan segura. Precisamente por eso te sirve.
Ahora sabes qué parte es suelo firme. Y qué parte es una apuesta.
Una fuente no es una prueba
Que la IA cite una fuente no basta. Mira cuatro cosas:
- Existe. La puedes abrir y leer.
- Es fiable. Es oficial, académica o primaria. Y tiene fecha.
- Respalda esta frase. No solo el tema general. Esta frase.
- La conclusión es tuya. Lo que deduces a partir de ella ya no es la fuente.
Un ejemplo con el estudio de antes. Existe. Es fiable. Respalda que preferimos las respuestas que nos dan la razón. En cambio, no respalda «la IA te miente». Eso ya es interpretación.
Sin foco, ninguna etiqueta te salva
Las etiquetas dejan los errores a la vista. No deciden por ti.
Y aquí está lo que no se ve.
La IA te da la razón. En todo. También cuando te contradices.
Lo veo en mentorías y en consultorías estratégicas. Falta de foco. Se lee mucho. Se entiende poco.
Una newsletter dice una cosa. Un curso, otra. Un vídeo, la contraria. Y todo acaba en la IA, como si fuera tu criterio.
Crees que la entrenas. Le das datos contradictorios. Y te da la razón en cada uno.
Luego llega el consejo de siempre. «Ten una base de datos.» «Crea contenido relevante.» «Prueba y ajusta.»
Nadie pregunta lo primero: ¿relevante para quién?
¿Estás pensando en tu cliente? ¿O en llenar la lista?
Una lista que no te compra no es un activo. Es trabajo.
Contenido que suena a todos. Suscriptores que no te leen. Un CRM lleno de nombres que no deciden nada.
Y no pasa solo en negocios pequeños. Lo veo también en grandes empresas. Pierden autoridad y confianza por lo que transmiten.
Con foco, cada post te sirve. Cada newsletter. Cada vídeo.
Sin foco, ninguna etiqueta te salva.
No gana quien tiene el mejor producto. Gana quien entiende mejor cómo decide su cliente.
Eso no se le pide a una herramienta. Se afina.
Cómo lo tengo instalado yo
Pegar estas reglas en cada conversación no funciona. Se olvidan.
Yo las tengo en las instrucciones permanentes de mis proyectos con IA. Ahí trabajan sin que tenga que recordarlas.
Primero, busca en tu herramienta dónde están las instrucciones personalizadas o las de proyecto. Después, pega un mínimo como este:
Separa cada afirmación en: HECHO, INFERENCIA, HIPÓTESIS, NO VERIFICADO, RECOMENDACIÓN.
Indica la fuente de cada dato. No inventes fuentes, cifras ni fechas.
Si recuerdas una referencia y no puedes comprobarla, márcala como NO VERIFICADA.
Si estoy equivocada, corrígeme. Si te equivocas, corrígete.
La decisión final es mía.Al final, ponlo a prueba. Pídele una cifra concreta y mira si te dice de dónde sale.
Este es el mínimo. La versión completa, la que uso yo, te la envío si la quieres. [ENLACE AL FORMULARIO]
La decisión
La próxima vez que una respuesta te convenza a la primera, para.
Pregunta qué etiqueta tiene cada frase.
Y antes, hazte la pregunta incómoda: ¿sabes exactamente qué quiere tu cliente?
Si la respuesta es no, la IA no te saca de la rueda. Te da la razón dentro de ella. Más rápido.
El protocolo completo, listo para pegar.
Es el que uso en mis proyectos. Con las cinco etiquetas, los cuatro niveles de una fuente y las reglas para que la IA te corrija y se corrija.
Déjame tu nombre y tu email y te lo envío.
https://forms.gle/icxuzwqMMYfHSoBH9 [FORMULARIO]
Preguntas frecuentes
¿Puedo usar la IA para tomar decisiones en mi negocio? Sí, como apoyo. Pídele que separe lo comprobado de lo supuesto y que diga de dónde sale cada dato. La verificación final y la decisión siguen siendo tuyas.
¿Cómo sé si la IA solo me está dando la razón? Pregúntale qué haría falsa su respuesta y qué no ha comprobado. Si todo encaja justo con lo que ya pensabas, revisa dos veces.
¿La IA puede decirme qué quiere mi cliente? Puede ordenar lo que le das. No sabe lo que tu cliente no le ha contado a nadie. Eso sale de hablar con clientes reales, no de un chat.
¿Qué hago si la IA me da una fuente que no existe? Márcala como no verificada y pide el enlace. Si no aparece, el dato no se usa.
¿Sirve en cualquier herramienta de IA? El método, sí. Para dejarlo instalado necesitas instrucciones permanentes o proyectos. Compruébalo en la tuya.
Fuentes
- OpenAI, Expanding on what we missed with sycophancy (2025): https://openai.com/index/expanding-on-sycophancy/
- Sharma et al., Towards Understanding Sycophancy in Language Models, ICLR 2024: https://arxiv.org/abs/2310.13548
- IAB Spain, Estudio eCommerce 2025: https://iabspain.es/estudio-ecommerce-2025-iab-spain/
Begoña Rodríguez
