IA y el futuro de las industrias creativas

La pregunta inicial se dice sobre la portada. Avanzar a Daniel: identidad y formación, luego testimonio personal. Después avanzar al portafolio.

Si producir es más fácil, ¿por qué te van a elegir?

Soy Daniel Marulanda. Soy ingeniero, tengo un MBA y una especialización en Deep Learning. Llevo más de trece años construyendo software. Mi formación en IA viene de antes de esta ola de herramientas generativas.

He trabajado convirtiendo ideas en productos y liderando equipos. Hoy puedo hacer trabajo que antes me requería un equipo de 82 ingenieros de software de muy altas capacidades. Les hablo de mi experiencia, no de una equivalencia medida para cualquier empresa.

Hoy mantengo las webs de seis proyectos, hago SEO y marketing, utilizo Dots para distribución y todavía tengo tiempo para hacer más tareas. Esa capacidad cambia mi pregunta: antes tenía que pensar mucho en cómo alcanzar a producir; ahora también tengo que decidir dónde vale la pena poner mi atención.

Mostrar los seis proyectos; después la fecha y la pregunta central. Dejar cinco segundos para escoger un proyecto y una persona.

Avanzar al portafolio.

Aquí están GeoSAT, Octograma, Terraes, INK TO BRICK, Dondo e Isla de Pascua. Los seis tienen públicos y trabajos diferentes. Poder avanzar en todos no me dice automáticamente qué necesita cada público ni cuál es la siguiente decisión útil.

Más adelante veremos uno de estos proyectos: convertir un plano en un espacio que otra persona pueda comprender. Primero comparemos cómo cambió la producción en las industrias creativas.

Estamos a primero de octubre de 2026. Algunas herramientas que van a ver pueden cambiar en cuestión de semanas. Quiero que se lleven preguntas que puedan volver a hacerse cuando eso pase.

La IA está cambiando nuestra forma de trabajar. Mi propio trabajo ya cambió. Pelear contra la corriente no va a detener ese cambio; lo que quiero entender es dónde y cómo podemos entregar valor ahora.

Piensen en un proyecto real: una canción que quieren terminar, un encargo de diseño, una sesión de fotos, una actividad cultural. Elijan también a una persona a quien les gustaría llegar. Puede ser alguien que ya preguntó por su trabajo o alguien que todavía no lo conoce.

Cinco segundos para pensar.

Conserven ese proyecto y esa persona. Si trabajan para clientes, piensen qué necesita resolver quien los contrata. Si están aprendiendo, qué quieren practicar. Si crean por gusto, qué les interesa compartir y con quién.

Vamos a mirar una misma tarea en tres momentos: lo que era posible en 2024, lo que muestran herramientas de 2026 y un escenario para 2028. Ese último momento es una posibilidad para discutir, no una capacidad anunciada.

Primero veremos cómo se amplía la producción. Después, lo que ocurre cuando muchas personas pueden publicar más. Y terminaremos con una prueba pequeña para explicar su trabajo y hacerlo llegar a alguien.

Recorrer los estados 2024, 2026 y escenario 2028 al ritmo del ponente. Reproducir ocho segundos de Veo 2024 y el demo completo de Seedance 2.5, treinta segundos con sonido. Son ejemplos oficiales con instrucciones distintas, no una comparación controlada. El still de El Eternauta identifica la serie; no muestra el efecto del colapso.

Imaginemos el encargo de mostrar una escena antes de producirla. En mayo de 2024, Google presentó Veo: podíamos describir una toma, su composición y el movimiento de cámara para generar un clip. El acceso inicial era una prueba privada para creadores seleccionados.

Muestra de Veo 2024: ocho segundos.

En 2026, Seedance 2.5 permite combinar referencias de imagen, video y audio, generar hasta treinta segundos y pedir cambios indicando el momento. Veo 3.1 ofrece audio y controles mediante referencias y fotogramas inicial y final.

Demo de Seedance 2.5: treinta segundos, con sonido.

Son escenas distintas. Miren cómo se conectan los espacios y cómo participa el sonido. El cambio útil para quien produce es poder ensayar más elementos de una secuencia y pedir modificaciones. Aún hay que decidir qué ocurre, cómo se cuenta y qué resultado sirve.

Para 2028, imaginemos que equipos pequeños pueden producir películas completas con estas herramientas. Es un escenario, no una promesa de lanzamiento. Si muchas más historias llegan a competir por nuestro tiempo, ¿por qué elegiríamos ver la suya? ¿Qué historia quieren contar ustedes?

Avanzar a El Eternauta.

Un caso real muestra dónde puede entrar la IA. En El Eternauta, Eyeline trabajó con el equipo creativo para realizar con herramientas de efectos visuales con IA una secuencia de un edificio colapsando en Buenos Aires. Llegó a la versión final de la serie.

Netflix afirmó que esa secuencia se completó diez veces más rápido que con procesos tradicionales y que su costo habría sido inviable para ese presupuesto. La comparación corresponde a ese efecto; no a toda la serie.

La posibilidad de producir una escena creció. La elección de la escena y su lugar en la historia siguieron siendo trabajo creativo. Veamos qué pasa al preparar una canción.

Tres estados controlados por el ponente: 2024, 2026 y escenario 2028. Comparar la misma tarea: preparar una canción y corregir una parte. No atribuir al demo de video una demostración de Suno.

En marzo de 2024, Suno v3 ya generaba canciones de dos minutos a partir de una descripción. Una persona podía escuchar una primera versión con voz e instrumentos sin organizar una grabación.

En septiembre de 2026, Suno presentó v6 con revisión mediante lenguaje natural y distintos materiales de entrada. Importa poder pedir un cambio y conservar lo que sí funciona. La edición localizada y otros controles ya habían aparecido en versiones anteriores; esta comparación parte del lanzamiento de marzo de 2024.

El encargo sigue siendo hacer una canción. Una revisión que podríamos pedir: cambiar un verso para expresar una experiencia propia y conservar el estribillo y la melodía. Después escucharíamos ambas versiones para comprobar qué cambió y si se conserva la intención.

En un escenario para 2028, si producir y revisar canciones se vuelve todavía más accesible, el catálogo disponible podría crecer mucho más. El tiempo para escuchar sigue siendo limitado. La decisión sería qué experiencia aporta esa canción y dónde puede encontrar a alguien que quiera escucharla.

Quien toca, compone o canta puede querer seguir haciéndolo. Aprender ese oficio ayuda a escuchar y decidir qué conservar.

¿Qué parte de la canción querrían seguir componiendo o interpretando ustedes, y qué parte probarían con estas herramientas?

Ahora pasemos de una canción a una campaña visual.

Tres estados controlados por el ponente: 2024, 2026 y escenario 2028. Comparar el encargo de preparar y adaptar piezas para una campaña. Mostrar que Image 3 ya admitía referencias en 2024.

Supongamos que necesitamos una imagen para anunciar una actividad y adaptarla a varios formatos.

En abril de 2024, Adobe Firefly Image 3 ya permitía generar imágenes usando referencias de estructura y estilo. Podíamos partir de una composición o una apariencia buscada, revisar propuestas y llevarlas al trabajo de diseño.

En junio de 2026, Adobe presentó una versión beta de su asistente para trabajar con los colores, logos y materiales de una marca, preparar videos cortos de producto y adaptar piezas a varios formatos. El cambio es pasar de resolver una imagen a preparar varias piezas relacionadas dentro de un mismo encargo.

Para un encargo propio, aportaríamos logos, colores y fotos reales de la marca. Si aparece un producto o una persona, comprobaríamos que la imagen conserva sus rasgos y no inventa características. Una buena apariencia no basta para representar fielmente lo que ofrecemos.

Eso facilita una parte de la producción repetible: ajustar una pieza y preparar versiones para distintos formatos. El oficio sigue ayudando a decidir qué se lee, qué se reconoce y qué imagen corresponde a la actividad.

En un escenario para 2028, si adaptar una campaña completa se vuelve habitual, también será más fácil producir piezas con una apariencia parecida. La decisión sería qué dirección creativa corresponde a esta actividad y qué necesita reconocer su público, más allá de que la imagen esté bien hecha.

En video, música y diseño hay más posibilidades de producir y corregir. El oficio importa; también gana peso decidir qué merece hacerse y para quién.

En software, esas posibilidades también están cambiando quién puede construir una herramienta.

Tres estados controlados por el ponente: 2024, 2026 y escenario 2028. Comparar la tarea de construir y corregir una herramienta. No reducir el software de 2024 a autocompletar código.

Pensemos en un encargo sencillo: añadir un formulario de contacto al portafolio para que alguien pueda preguntar por nuestro trabajo. Es un ejemplo de tarea, no el demo que vamos a ver.

En abril de 2024, GitHub presentó Copilot Workspace en una prueba inicial. Ya proponía planear, construir, probar y ejecutar código desde una descripción. Había pasos que la persona podía revisar y cambiar.

En 2026, su agente de programación puede trabajar en segundo plano sobre un encargo como ese formulario y preparar una propuesta de cambios para revisión, con pruebas y comprobaciones. Eso facilita delegar partes del trabajo, aunque alguien debe revisar el resultado.

Para revisar ese formulario, propondríamos enviar una consulta de prueba, dejar un campo obligatorio vacío y pulsar enviar dos veces. Comprobaríamos que llega la consulta, que el error explica cómo completarla y que no se duplica el envío.

Para 2028, imaginemos más portafolios compitiendo por la misma atención. Es un escenario. Si crear y mantener un sitio se vuelve más fácil, la decisión será qué mostrar, cómo nos encontrarán y qué ayuda a ese público a contactarnos directamente.

Escribir código sigue siendo útil. También pesa entender a quien usará el producto y mantenerlo funcionando después del primer intento. Ahora les muestro cómo usamos uno de mis proyectos para que otra persona pueda comprender un espacio.

Abrir el modelo dúplex existente durante treinta segundos. Mostrar «Roof terrace» o «Plan» y regresar. Si la red impide cargarlo, continuar con los materiales existentes; no presentar la imagen como un demo ejecutado.

Miren este plano. Si saben leerlo, pueden imaginar cómo se conectan los espacios. Para quien no sabe, es más difícil entender cómo se sentiría estar ahí.

En este producto trabajamos en pasar del plano a un espacio que podamos explorar.

Demo 3D: treinta segundos.

La utilidad aparece cuando alguien puede señalar un lugar y preguntar: «¿Cómo se conecta con la sala?», «¿Qué cambiaría aquí?». La representación ayuda a conversar sobre una decisión.

Antes de mostrársela hay que compararla con el plano: distribución, medidas y aberturas. Para comprobarlo, escogeríamos una puerta y verificaríamos que conecta los mismos espacios en el plano y la representación. Si un mueble se añadió para imaginar el lugar, hay que decirlo. Una visualización atractiva también puede mostrar algo equivocado.

Aquí hacen falta materiales de partida, conocimiento del espacio y revisión. La herramienta ayuda a producir una representación; quien realiza el trabajo tiene que entender qué necesita la otra persona y comprobar lo que le muestra.

Esa diferencia entre producir y servirle a alguien atraviesa las cuatro industrias que vimos. Ahora aparece un problema adicional: si muchas personas pueden producir más, ¿cómo encuentra el público una pieza entre todas las demás?

Mostrar una sola medida: unas 90.000 canciones completamente generadas por IA recibidas cada día en Deezer durante junio de 2026. No convertir el dato en un juicio sobre su calidad.

Durante junio de 2026, Deezer recibió unas noventa mil canciones completamente generadas por IA al día, según la plataforma. El dato corresponde a lo que recibía Deezer; no a toda la música publicada en el mundo.

No sabemos por esa cifra si las canciones eran buenas, quién las escuchó o qué ocurrió con cada artista. Sí vemos la escala de producción que puede entrar a una plataforma en un solo día.

Para un músico que está preparando una canción, terminarla sigue siendo importante. Pero hacer otra versión no resuelve por sí solo cómo alguien va a descubrirla. Lo mismo le ocurre a un realizador con su corto o a un diseñador con su portafolio.

Vuelvan a su proyecto. ¿Lo que falta es producir una pieza o encontrar una situación en la que alguien quiera escucharla, verla o usarla?

Podemos trabajar en ambas cosas. Primero necesitamos tener claro qué aporta la pieza; luego, cómo llegará a ese público. Un experimento con relatos muestra por qué esa primera pregunta merece cuidado.

Tres estados: tarea y grupos; cómo se evaluó; dos resultados distintos. Distinguir evaluación humana y similitud computacional. No convertir el resultado en una conclusión sobre todas las artes.

Doshi y Hauser repartieron al azar a 293 participantes no profesionales en tres grupos. Todos debían escribir un relato en inglés de ocho frases.

Un grupo trabajó sin ideas de IA. Otro podía pedir una idea a GPT-4. El tercero podía pedir hasta cinco. La herramienta proponía ideas breves; las personas escribían las historias.

Después, 600 lectores independientes evaluaron los relatos sin conocer inicialmente el grupo de su autor. Las historias de quienes tuvieron acceso a ideas de IA recibieron mejores evaluaciones de originalidad y potencial para publicarse, especialmente entre participantes con menor creatividad inicial.

Los investigadores también calcularon cuánto se parecían los relatos entre sí. Las historias de los grupos asistidos fueron más similares unas a otras.

Cada pieza podía recibir una mejor evaluación y, a la vez, el conjunto podía parecerse más. Lo encontraron en esos relatos de ocho frases; no estudiaron todas las artes ni un proceso de conversación y corrección.

Para nosotros deja una pregunta práctica: si empezamos con una solicitud muy general, ¿qué información propia estamos dejando fuera?

En ese estudio, recibir ideas de IA acercó los relatos entre sí. Para nuestro trabajo, la pregunta es qué decisiones propias aportamos al punto de partida: para quién y para qué estamos creando. ¿Qué observación o material propio aporta su trabajo? Podemos sumar observaciones, bocetos y materiales que conocemos. Ahora miremos qué valor aportamos cuando otras personas también pueden producir una pieza parecida.

Primero competencia en resultados considerados equivalentes. En 15, dos estados: actuación filmada sobre fondo verde y pedido; resultado oficial. Reproducir manualmente el demo de fútbol de Seedance, unos diecisiete segundos sin sonido. Los tiempos del prompt no equivalen a la duración total del archivo.

Cuando el cliente ve resultados equivalentes, puede comparar tiempo y precio. La IA hace más fácil acceder a conocimiento y ejecutar algunas tareas. Eso nos obliga a mirar qué parte de nuestro trabajo puede reproducir alguien con herramientas más accesibles.

El cliente necesita resolver algo: comprender una propuesta, comunicar una idea, reconocer una identidad o llegar a un público. Nuestra pregunta es dónde ayudamos a conseguirlo.

Miren esta actuación de fútbol filmada sobre fondo verde. En el demo oficial de Seedance 2.5, el pedido la transforma en tres momentos: entrenamiento con obstáculos, vestuario con compañeros que animan y un partido en el estadio.

La instrucción organiza la acción por tiempos: de cero a cuatro segundos, entrenamiento; de cuatro a diez, vestuario; de diez a quince, partido. El resultado transforma entornos, vestuario, iluminación y personajes alrededor de la actuación.

Demo oficial de fútbol: unos diecisiete segundos, sin sonido.

El demo nos muestra una transformación profesional. Ahora pensemos cómo organizaríamos un encargo para entregar algo así a un cliente. Hay que convertir lo que sabemos hacer en pasos, materiales y comprobaciones, además de decidir qué historia queremos comunicar. El archivo oficial que acabamos de ver dura unos diecisiete segundos; el siguiente encargo tendrá sus propios requisitos.

16: encargo; entrega sin proceso definido; entrega esperada con proceso. 17: acordar; producir; comprobar. Mantener la misma actuación y las tres escenas. La comparación representa situaciones ilustrativas; no son archivos nuevos generados ni una prueba del modelo.

El encargo es transformar una actuación sobre fondo verde en tres escenas: entrenamiento, vestuario y estadio. El cliente pide quince segundos y dos archivos, uno horizontal y otro vertical. Es una comparación ilustrativa de formas de trabajar, no una prueba realizada con Seedance.

Primera forma: pedimos el video y recibimos uno que parece terminado. Puede verse muy bien. Pero no hemos definido cómo comprobar la entrega. ¿Están las tres escenas? ¿Dura quince segundos? ¿Existe también el archivo vertical? Esas preguntas siguen abiertas aunque el chat diga «listo».

Segunda forma: antes de producir, acordamos los requisitos, los pasos y qué vamos a comprobar. Para aceptar la entrega, localizamos las tres escenas en la reproducción, leemos la duración de cada archivo y abrimos las versiones horizontal y vertical. La diferencia visible es pasar de un video que parece terminado a una entrega cuyos requisitos podemos comprobar.

Una IA puede omitir pasos o declarar que terminó antes de comprobarlos. Por eso importa organizar el trabajo. Nuestro conocimiento del oficio nos permite decir qué hace falta, en qué orden y qué evidencia debe quedar.

Avanzar a la diapositiva del proceso.

Primero, acordar: aportar la actuación y los materiales permitidos, confirmar los tres momentos, la duración y los dos formatos. Pedir que señale qué información falta. Si no sabemos dónde se publicará, resolvemos esa pregunta antes de elegir las dimensiones.

Segundo, producir: preparar un plan, un storyboard y los tiempos de cada escena. Esos son resultados intermedios que podemos revisar antes de generar y exportar. Después se producen los archivos con herramientas que realmente puedan hacerlo.

Tercero, comprobar: abrir las dos versiones, medir la duración y reconocer las tres escenas en cada una. Reproducimos ambas versiones: el protagonista y su movimiento deben conservarse entre escenas, y la acción importante debe verse en los dos formatos. Guardamos las versiones para poder comparar cambios. Estos requisitos son un punto de partida; el proceso también incluye el plan de escenas y la revisión profesional. Organizarlo no garantiza calidad creativa ni interés del público.

Como ayuda opcional, podemos pedir un consejo simulado de producción, edición y audiencia. Cada mirada plantea preguntas distintas: qué falta para entregar, qué se conserva entre escenas y qué entiende un espectador. No hace falta usarlo en todos los encargos.

También podemos explorar preguntas con cien o mil perfiles sintéticos. Son respuestas generadas, no personas ni datos válidos de mercado. Si pedimos cien, comprobamos que haya cien registros; un resumen no cumple ese pedido. Su utilidad es encontrar preguntas para llevar a personas reales, no demostrar que el público elegirá nuestro video.

Tres estados hipotéticos: falta el archivo vertical; exportar lo que falta; abrir ambos archivos y volver a comprobar. No presentar el fallo como observado ni atribuirlo al demo oficial.

Supongamos que al comprobar el encargo encontramos el archivo horizontal, pero falta el vertical. Todavía no podemos decir que terminamos.

Volvemos al paso que corresponde: exportar la versión vertical. No necesitamos rehacer todo el video cada vez que falla algo. Después abrimos los dos archivos y volvemos a comprobar los requisitos que esa corrección puede afectar: formato, duración, escenas y acción visible en ambas versiones.

Diseñar a qué paso vuelve el trabajo cuando falla una comprobación, y cuándo puede parar, es lo que aquí llamamos loop engineering. El ciclo tiene una condición de salida: la entrega cumple lo acordado y tenemos evidencia para revisarla. Si una corrección no funciona, identificamos qué falta antes de repetir; seguir intentando sin criterio no asegura mejorar.

También hay situaciones que requieren una decisión humana. Si el cliente pide quince segundos y a la vez tres escenas de diez segundos, el encargo se contradice. Si nadie sabe el canal de publicación, falta una decisión que afecta los formatos. La IA puede señalar esas dudas y una persona las resuelve. Esa intervención con sentido es human in the loop; no exige aprobar cada clic.

Luego sigue la pregunta de audiencia: ¿la secuencia comunica lo que queríamos y dónde encontrará alguien el video? Cumplir la entrega y conseguir que le importe a una persona son trabajos relacionados. El proceso debe dejar espacio para ambos.

Dos estados: software conectado a modelo, herramientas y archivos; comprobaciones exigidas antes de cerrar. Mantener tres escenas, quince segundos y dos archivos. Es un recorrido propuesto, no una integración de Seedance observada.

Ya sabemos qué pasos queremos. Ahora falta que una herramienta pueda ejecutarlos.

Un chat puede ayudarnos a escribir el plan y los criterios. Para producir, exportar, abrir y medir archivos necesita software que conecte el modelo con las herramientas, los materiales y las comprobaciones. A ese software se le llama harness.

En nuestro encargo, tendría acceso a la actuación, una herramienta de producción, un editor y los archivos de salida. Puede registrar lo que se hizo y exigir comprobaciones antes de marcar el trabajo como terminado. Escribir «comprueba todo» en un prompt no crea por sí solo esa condición: el software tiene que implementarla y las herramientas deben poder comprobar cada requisito.

No estamos mostrando una integración autónoma de Seedance. Estamos explicando qué necesitaríamos para delegar este proceso con resultados revisables.

Creo que escucharemos más la palabra harness porque queremos delegar trabajos de varios pasos, además de conversar. Es mi expectativa. Al elegir una herramienta, pregunten qué puede ejecutar, qué archivos devuelve y cómo comprueba que terminó.

Nuestro conocimiento aporta el proceso; el software permite recorrerlo. Para empezar, hagamos esa estructura visible en una tarea pequeña.

Cuatro estados en primeros-pasos: escoger tarea y público; aportar material y acordar requisitos; pedir proceso y resultados intermedios; comprobar entrega y comprensión. Dejar dos minutos para escribir y conversar por parejas. Quien no tenga cuenta o conexión puede trabajar en papel.

Si nunca han usado un chat de IA, elijan uno al que tengan acceso: ChatGPT, Gemini o Claude, desde su sitio oficial. Para empezar basta con uno y una tarea pequeña de su proyecto.

Puede ser escoger la estructura de una escena, preparar un boceto o explicar una propuesta. Elijan algo que sepan revisar. Si ya usan IA, empiecen con su encargo existente y los criterios para aceptarlo. Si compran servicios creativos, distingan qué pueden aprobar ustedes y qué requiere el criterio de un profesional.

No necesitan un consejo ni mil perfiles para empezar. Este es el punto de partida:

«Trabajo en [mi oficio] y mañana tengo que [tarea]. Hazme cinco preguntas, una a la vez, y espera mis respuestas. Después, propón los pasos, qué entregar en cada uno y cómo comprobarlo. Empecemos por el primer paso».

Respondan con lo que saben. Si falta información, díganlo. Acuerden qué deben recibir al final. Revisen el plan y los resultados intermedios antes de seguir: en el encargo audiovisual serían el storyboard y los tiempos, antes de producir los dos archivos.

Cuando tengan una primera entrega, revisen algo observable: ¿están todos los archivos pedidos?, ¿cumplen los requisitos?, ¿usan los materiales acordados? Después comprueben si alguien reconoce la intención sin que ustedes se la expliquen antes.

Si falta algo, vuelvan al paso correspondiente: «Falta [requisito]. Completa ese paso y dime cómo comprobarlo». Guarden las versiones y revisen el resultado real. Si aparece una contradicción en el encargo, resuélvanla antes de continuar.

Ahora escriban una tarea, para quién la hacen y cómo la comprobarán. Piensen también qué material propio pueden aportar. Compártanlo con quien tienen al lado. Su compañero les dice qué entiende y qué necesitaría preguntar.

Dos minutos de ejercicio por parejas. No pedir una ronda de respuestas de toda la sala.

Mañana pueden reservar treinta minutos para la primera versión y una corrección. No les prometo terminar en ese tiempo. El objetivo es salir con algo revisable y una pregunta concreta para alguien de ese público.

Antes de compartir, comprueben lo que la pieza afirma y que pueden usar los materiales. Vuelvan a la persona elegida: ¿dónde busca o pregunta hoy? Puede ser una consulta que ya recibieron, una comunidad o una búsqueda. Elijan ese lugar y un siguiente paso visible: escuchar, reservar o pedir una cotización.

En audiovisual, una ruta propuesta sería mostrar en su portafolio el antes y después de un trabajo propio, explicar qué entregan y ofrecer pedir una cotización. Elijan un trabajo que puedan mostrar.

Pregunten qué entendió esa persona. Por separado, observen qué hizo: ¿escuchó, reservó o pidió la cotización? Comprender la pieza y dar el siguiente paso son comprobaciones distintas.

Volver al proyecto y a la persona elegidos al comienzo. Pronunciar el lema una sola vez, como última frase.

Al comienzo escogieron un proyecto y una persona. Ahora vuelvan a ellos.

Producir una primera versión se está volviendo más accesible. Eso abre posibilidades para quienes tenían una idea sin presupuesto o sin equipo. También hace más fácil publicar mucho y partir de soluciones parecidas.

Mi capacidad de trabajo cambió. Puedo avanzar en más proyectos y tareas. Por eso tengo que ser más cuidadoso al escoger dónde pongo mi atención: qué necesita alguien, qué quiero aportar y cómo va a llegarle.

Adaptarnos empieza por entender dónde y cómo entregamos valor. En su proyecto, esa respuesta puede estar en la dirección creativa, en el oficio, en una experiencia útil o en conocer a su público. Tenemos que comprobarlo en el trabajo real.

Hoy podemos convertir lo que sabemos en un proceso, usar la IA para recorrer pasos y revisar qué resultado sirve. Ese es nuestro punto de partida, no una garantía de que el trabajo de revisión permanecerá igual. Tendremos que volver a decidir qué delegamos y dónde aportamos valor.

Personalmente, creo que para 2028 la IA ya no va a necesitar un humano en el loop. Creo que podrá crear, evaluar y corregir piezas sin nuestra intervención.

¿Qué vamos a aportar cuando no necesite nuestra revisión? No quiero basar mi valor solamente en corregir los errores de una herramienta. Quiero entender qué necesita alguien, qué trabajo vale la pena hacer y cómo conseguir que llegue. Eso también tenemos que revisarlo a medida que cambian las herramientas.

Mañana elijan una tarea pequeña de su proyecto. Definan los pasos y cómo comprobar la entrega. Si falla algo, vuelvan al paso correspondiente. Después comprueben qué entiende alguien. Decidan qué parte del proceso quieren seguir haciendo ustedes: dibujar, escribir, tocar, filmar, construir. El oficio también les da criterio para elegir.

¿Qué tarea vas a probar mañana, para quién y cómo vas a revisar el resultado?

El futuro es ahora.