Hace unos días, un buen amigo me compartió con mucho orgullo un plan estratégico de mercadotecnia para promover su marca, creado con inteligencia artificial: una mezcla de ChatGPT y la última versión de Grok. A primera vista, el documento parecía tener todos los componentes de una estrategia correcta. Hablaba de KPIs, tiempos y entregables, por mencionar solo algunos de los elementos clave. Mi amigo insistía en que necesitaba mi opinión sobre la mejor manera de dar los primeros pasos del plan.
Mi primer paso fue imprimirlo. La presentación de listas —que se ha convertido en la firma de ChatGPT— parecía inabordable; el exceso de pasos a seguir escondía una verdad oscura: el plan carecía de un esquema coherente, tanto a nivel cronológico como en la viabilidad de su ejecución. La mayoría de los pasos eran imposibles de seguir para una empresa incipiente. Por ejemplo, hablaba de crear canales completos en Facebook Marketplace, pero asumía que la empresa ya tenía una identidad bien definida de cara al consumidor final. También daba por hecho que la marca contaba con reconocimiento en el mercado.
Al revisar los KPIs, estos indicaban correctamente que se debía buscar un crecimiento en recordación de marca del 20% o un incremento en ventas del 15%. De nuevo, todo en papel se veía bien, pero ninguno de estos KPIs estaba sustentado en una comparación previa o un punto de partida existente.
La inteligencia artificial se ha convertido en una herramienta que potencia la inteligencia humana. En este caso, el plan seguramente estaba más completo de lo que hubiera estado si mi amigo lo hubiera escrito personalmente. Pero lo grave del asunto es que no consideraba las limitaciones reales de su empresa. Esto sucede por una razón simple: al utilizar inteligencia artificial, estamos interactuando con una herramienta bastante soberbia. Uso esta palabra con toda responsabilidad. Verán, las herramientas de este tipo tienen muchos problemas para admitir que no saben algo; simplemente llenan los huecos con lo que encuentran en su repositorio de aprendizaje. Entonces, debemos reconocer que la inteligencia artificial no es capaz de identificar lo que no sabe. Este doble punto ciego hace que su uso sin estricta supervisión sea particularmente peligroso.
No pretendo disuadir su uso, todo lo contrario. Pero debo reconocer que las herramientas de inteligencia artificial crean contenido a partir de la poca o mucha información provista por el usuario y lo expanden hasta llenar los huecos faltantes. Una buena forma de entender esta limitante es analizar las imágenes generadas por los motores de IA. La creación de fotografías con Discord o OpenAI tiene dificultades significativas con la representación de manos humanas, especialmente cuando se trata de dedos intercalados o de personas en interacción, como madres e hijos. La inteligencia artificial es bastante exitosa al ilustrar contenido gráfico de personas solas, pero la combinación de más de un ser humano complica tremendamente la tarea. En otras palabras, la IA entiende el perímetro de lo que deberían ser dos manos juntas, pero fracasa en comprender cómo se ven dos manos reales paseando por un parque.
Estas herramientas rápidamente demostrarán a los usuarios más novatos que los huecos serán llenados con fantasías, alucinaciones o información de otro usuario con una pregunta similar. Es un tema serio. El uso de la inteligencia artificial es uno de los avances más significativos en la mercadotecnia desde la llegada del marketing digital; sin embargo, también ha demostrado que puede inundar al consumidor con información inexacta en el mejor de los casos. Por eso, la mayoría de estas herramientas incluyen un aviso recomendando la supervisión humana. Pero conforme mejoran en la generación de imágenes y textos, resultará casi imposible detectar los errores. Existe el riesgo de que el tiempo de revisión supere al que se necesita para generar la respuesta manualmente. Esto tiene implicaciones importantes para la mercadotecnia y demuestra que la inteligencia artificial es más efectiva cuando se usa con parámetros sumamente claros y estrictos.
Curiosamente, esto perjudica una de sus capacidades más valiosas: la de pensar en cosas que el usuario no tenía en el radar o desconocía. Otro efecto importante del avance en la calidad de sus respuestas es su uso como herramienta de búsqueda en reemplazo de Google. Actualmente, algunas IA incluyen enlaces o íconos indicando la fuente de la información, pero en muchos casos, esta es una mezcla de tantas referencias que resulta indistinguible. Esto genera un sesgo peligroso, ya que el consumidor puede asumir que todo lo que recibe es cierto. También afecta la comparación de contenidos: la inteligencia artificial normalmente retorna una respuesta que combina múltiples fuentes, lo que en muchos casos se traduce en una respuesta monolítica, es decir, un solo camino para resolver un problema.
La falta de diversidad en las respuestas o fuentes de información crea una caja de resonancia más peligrosa que la generada por las redes sociales hasta ahora. Si escribo en ChatGPT y obtengo una respuesta, es lógico que asuma que es correcta. Pero al preguntarle, por ejemplo, “¿Cuál es el mejor restaurante para comer mole en México?”, obtengo cinco opciones, todas en la Ciudad de México y ninguna en Puebla. La herramienta asumió que hablaba de la capital. Al expandir la búsqueda a nivel nacional, ahora obtengo tres opciones en la CDMX, una en Puebla y otra en Oaxaca. Curiosamente, al ampliar el espectro geográfico, solo dos opciones de la CDMX se repiten, lo que indica una contradicción en los resultados. No sorprende que Google Gemini entregue resultados diferentes según se pregunte en la CDMX o en Puebla. Lo mismo se repetirá en muchas categorías, desde evaluaciones de autos hasta reseñas de electrodomésticos.
La inestabilidad de los resultados representa un problema para la mercadotecnia, ya que no hay una forma predecible de presentarse ante el consumidor. Según el propio ChatGPT, las respuestas pueden variar según diversos factores. Si la pregunta requiere información en tiempo real, como noticias, clima o precios de acciones, la respuesta cambiará según los datos más recientes. En una conversación continua, las respuestas pueden adaptarse a intercambios previos, pero si se inicia un nuevo chat, es posible que los criterios cambien. Para temas generales o subjetivos, la formulación puede modificarse ligeramente para mantener fluidez, aunque el contenido esencial permanezca. Además, si la pregunta está relacionada con negocios, servicios o regulaciones locales, la respuesta puede ajustarse según la ubicación del usuario. Finalmente, aunque el modelo busca consistencia, pueden ocurrir ligeras variaciones debido a su naturaleza probabilística.
Esto va en contra del sistema de aprendizaje tradicional y del concepto de *single source of truth* (SSOT) o fuente única de la verdad. La existencia de una única fuente de verdad depende del contexto. En gestión de datos y negocios, es esencial para garantizar precisión y coherencia, evitando errores y duplicaciones. En ciencia, la verdad debe basarse en evidencia, aunque puede evolucionar con nuevos descubrimientos. En filosofía y sociedad, la verdad es subjetiva y depende de perspectivas e interpretaciones; por lo tanto, imponer una única fuente puede generar sesgos. En IA y sistemas de información, una fuente centralizada es útil para datos estructurados, pero en conocimiento general, contar con múltiples perspectivas es mejor.
El problema central es que estamos utilizando inteligencia artificial para responder preguntas que requieren datos estructurados, pero desde perspectivas y contextos radicalmente distintos. Es evidente que la receta es inestable. Debemos usar la inteligencia artificial con extrema responsabilidad para que realmente ayude y no complique más el trabajo en mercadotecnia.
