La carga de autenticidad: el único punto donde la IA convierte el ahorro en traición
Los clientes dejan pasar la IA en cada capa invisible de un producto y la denuncian como fraude en cuanto toca lo único que creían haber pagado a una persona. Saber dónde está esa línea se ha vuelto una cuestión de supervivencia.
Todo producto hace una promesa, y parte de esa promesa es maquinaria que el comprador nunca ve. La corrección de color, el corrector ortográfico, el repaso de precisión, la multitud pintada de fondo. Nadie compró una entrada para eso. Cada foto que hace hoy un smartphone ha sido reconstruida por la fotografía computacional antes de llegar a la pantalla, y nadie llama falso al resultado, porque unos píxeles nítidos en poca luz nunca fueron lo que se le pagaba a un fotógrafo. Las máquinas ocupan hoy la capa invisible que durante décadas fue territorio del CGI, el autotune y la pantalla verde, y el mercado las deja pasar sin mirar. Luego llega la otra mitad de la promesa: el elemento que el comprador cree que se le paga a una persona por entregar. Coloca ahí una máquina y el mismo público que se encogió de hombros con todo lo demás lo llama fraude.
Llamemos a eso la carga de autenticidad: el acto humano concreto que está en el centro de la compra. Una interpretación, una voz, un diagnóstico, un veredicto del que alguien puede responder. La mayoría de las empresas que están metiendo IA en productos de cara al cliente no han averiguado todavía qué función carga con ese peso, y por eso muchas están a punto de cruzar una línea que no ven. Lo bueno es que no hace falta adivinar, ni esperar a que te pillen. La carga deja huellas en tres sitios que ya controlas: tu lista de precios, tu contrato y tu copy de márketing.
¿Dónde queda escrita realmente la carga de autenticidad?
Empieza por la lista de precios. La carga suele ser la línea que no puedes desglosar sin señalar a una persona. Un estudio fotográfico puede facturar aparte el retoque, la gradación de color y la entrega de archivos sin que nadie se inmute, porque eso se lee como trabajo, no como la promesa. La línea que dice «sesión» o «reportaje» o «consulta» es la que el cliente compra de verdad, y está tarifada dando por hecho que la ejecuta una persona con nombre. Cuando una cifra de tu factura se justifica porque alguien hace el trabajo, esa cifra es tu carga.
El contrato dice lo mismo con menos margen para negarlo. Relee tus propias condiciones buscando las cláusulas que atan la responsabilidad a un profesional cualificado, la garantía de que un experto revisó el resultado, el visto bueno que lleva una firma. Deloitte descubrió el límite por las malas: después de entregar al gobierno australiano un informe salpicado de referencias inventadas por IA, acabó devolviendo parte de sus honorarios. Nadie se habría quejado de que la IA pusiera las notas al pie. El encargo prometía un juicio experto que un socio respaldaría con su nombre, y esa es la cláusula que se dejó suelta.
El márketing es el más ruidoso de los tres soplos. Todo lo que tu copy atribuye explícitamente a una persona con nombre (el fundador que cata cada lote, el médico que revisa cada escáner, el editor que lee cada línea) es una promesa hecha en público de que un humano hace exactamente eso. Automatízalo en silencio y la distancia entre la promesa y la práctica deja de ser una eficiencia para convertirse en un engaño con rastro documental.
Nada de esto depende de tu sector. Depende de lo que le hayas dicho a un comprador concreto que está pagando, y es muy posible que se lo hayas contado de forma distinta a dos compradores. Quien compra un banco de imágenes quiere un archivo utilizable y nunca preguntó quién lo hizo. Quien encarga un retrato paga precisamente porque una persona lo ha mirado. Mismo producto, carga opuesta, y una sola política de IA aplicada a ambos tranquilizará al primero mientras traiciona al segundo.
¿Protege la divulgación de IA al cliente o al que ya estaba instalado?
La divulgación suena a protección del consumidor. A menudo funciona como historia competitiva. El Reglamento de IA de la Unión Europea exige ya que los contenidos generados o manipulados por IA se etiqueten como tales, y en España será la Agencia Española de Supervisión de Inteligencia Artificial (AESIA) quien vigile que esa etiqueta se cumpla. Leído como protección del consumidor, es bienvenido. Leído como estrategia, un actor bien capitalizado puede blandir la etiqueta de un rival como prueba de que recorta esquinas, convirtiendo una pregunta sobre procedencia en un foso que protege el gasto y no al comprador.
Fíjate en quién presiona por qué versión de la norma. Un régimen pensado para el comprador pregunta por el resultado que recibió. Un régimen pensado para el que ya estaba instalado pregunta por el método que usó el retador. En cuanto el argumento se desliza de lo que se entregó a lo barato que salió hacerlo, la procedencia deja de ser un mecanismo de honestidad y pasa a ser una puerta.
Si cualquiera puede construir la herramienta, ¿qué es lo realmente escaso?
El mismo desplome de costes está disolviendo un papel que definió una década de creación de empresas: el escaso cofundador técnico. La mayoría de los desarrolladores recurre ya a la IA para generar código como algo rutinario, según la encuesta 2024 de Stack Overflow. Entre desarrolladores circulan fanfarronadas sobre cientos de miles de líneas producidas por el precio de un café. Las cifras exactas son folclore, pero la dirección no admite duda: la restricción que de verdad frena la creación de empresas ya no es construir la cosa, sino saber qué construir y estar dispuesto a responder por ello.
Detrás del regalo llega enseguida la trampa. El código que no has escrito tú, y que cada vez puedes leer menos a fondo, choca con un límite de mantenibilidad. El análisis de GitClear sobre millones de commits encuentra que la asistencia de IA ya empuja las métricas de calidad del código en la dirección equivocada, con más duplicación y más churn, y METR midió que desarrolladores experimentados de código abierto se ralentizaban, en vez de acelerar, cuando se apoyaban en IA dentro de código que ya conocían. Barato de crear y barato de mantener no son la misma economía. Ya hemos escrito sobre por qué la preparación para la IA debe llegar antes de construir, y el código generado e inmantenible es justo el precio de ignorar ese aviso.
El software empresarial nota el otro filo. Si un cliente o un competidor puede reconstruir la herramienta de pago por un coste irrisorio, cualquier producto cuyo valor resida solo en el código se reprecifica a la baja en tiempo real. Stack Overflow es el aviso a la vista: un negocio construido sobre ser el sitio al que iban los desarrolladores a buscar respuestas, viendo ahora cómo ese tráfico se filtra hacia los asistentes entrenados con su propio archivo. Lo que sobrevive es todo lo que rodea al código: la distribución, los datos propios, las integraciones que costaron años de confianza, el nombre que firma el contrato. El valor está migrando del artefacto hacia lo que no se puede regenerar bajo demanda, lo que convierte esto en una cuestión de estrategia antes que de ingeniería.
¿Qué debería hacer realmente cualquiera que despliegue IA?
La instrucción que se desprende de estas cuatro presiones es un procedimiento, no un eslogan. Antes de meter IA en cualquier función de cara al cliente, aplica tres pruebas. La prueba del precio: ¿qué línea de tu factura se justifica porque la ejecuta una persona? La prueba del contrato: ¿qué cláusula promete que una persona con nombre responde del resultado? La prueba del márketing: ¿qué dice tu copy público que hace explícitamente una persona? Donde esas tres respuestas señalen a la misma función, ahí está tu carga de autenticidad.
Actúa entonces antes de lanzar, no después de la primera queja. Mete IA en cada eslabón de la cadena, a propósito, y decláralo con claridad, en términos que defenderías en público. Deja la carga en manos de una persona. Si la economía te obliga igualmente a automatizarla, cambia antes el precio, el contrato y el márketing, para que la promesa y la práctica sigan describiendo el mismo producto. Haz esa auditoría mientras las normas aún están blandas: es el núcleo de practicar una IA con control humano real.
Preguntas frecuentes
¿Cómo localizo la carga de autenticidad de mi producto sin adivinar?
Lee tu propia lista de precios, tu contrato y tu copy de márketing. La carga es la línea tarifada porque la ejecuta una persona, la cláusula que hace responsable a alguien con nombre y la función que tu copy público atribuye explícitamente a un humano. Donde esas tres cosas coinciden, ahí es donde un cliente se sentiría engañado al descubrir que lo hizo una máquina, y puede variar mucho entre dos compradores del mismo producto.
¿Divulgar el uso de IA genera siempre confianza?
No automáticamente. La divulgación genera confianza cuando es simétrica y se centra en el resultado que recibe el cliente. Erosiona la competencia cuando se convierte en una prueba asimétrica sobre el método, que permite al presupuesto más grande descalificar a un rival más barato, así que cómo se formula la norma importa tanto como el hecho de divulgar.
¿El código generado por IA sale barato de construir o barato de mantener?
Barato de construir, no necesariamente barato de mantener. El código que has generado pero no puedes leer del todo choca con un límite de mantenibilidad, donde el primer fallo serio te obliga a hacer ingeniería inversa de tu propio producto. Planifica la economía del mantenimiento por separado de la economía de la creación.
Relacionado
- En Ubuntu 26.04 LTS, el coreutils del que depende tu build ya no es de GNU
- La prima de la soberanía: por qué las soluciones de IA soberana para empresas ganan por acceso, no por velocidad
- Los pleitos por secretos comerciales se ganan años antes de que nadie dimita. Que se lo pregunten a Faccenda Chicken.
- Security & Trust
Escrito por una persona editorial de IA del sistema editorial propietario de Abyshire y revisado por nuestro equipo.