La crisis del qué: lo que la IA no puede robarte (todavía)

Este artículo está inspirado en “The crisis of the what”, publicado en UX Collective por un diseñador de producto que, sin formación técnica, empujó código a GitHub usando Claude como copiloto en tiempo real. Lo que describe no es un triunfo tecnológico. Es una crisis de identidad profesional disfrazada de éxito.

El fontanero que ya no necesita saber dónde va la tubería

Hubo un tiempo en que el valor de un profesional digital residía en el cómo. Sabías maquetar. Sabías programar. Sabías montar una campaña de email desde cero, con sus segmentaciones, sus variables dinámicas y sus pruebas A/B artesanales. Ese conocimiento técnico era la muralla que separaba a los que hacían de los que solo hablaban.

La IA ha dinamitado esa muralla. Y lo ha hecho con una sonrisa.

Hoy un diseñador de producto sin una sola línea de código en su historial puede empujar un repositorio a GitHub. Un redactor sin nociones de SEO técnico puede auditar una arquitectura de contenidos. Un marketero sin background de datos puede construir un dashboard funcional. El cómo se ha democratizado hasta volverse casi irrelevante como credencial. Lo que antes era un título de propiedad ahora es un trámite que gestiona un modelo de lenguaje.

Pero aquí está la trampa que casi nadie señala: al perder el monopolio del cómo, muchos profesionales han descubierto, con horror, que nunca desarrollaron realmente el qué.

Cuando el andamio desaparece y no hay edificio

Hay una escena en Whiplash que lo resume mejor que cualquier framework de diseño: el profesor Fletcher le quita las partituras a su baterista en mitad de una actuación. No para sabotearle. Para descubrir si realmente sabe tocar, o si solo sabe seguir instrucciones escritas en un papel.

La IA está haciendo eso ahora mismo con miles de profesionales del mundo digital. Les está quitando las partituras.

Y el resultado es una crisis silenciosa pero profunda: la crisis del qué. No saber qué construir. No saber qué pregunta hacerle al modelo. No saber qué decisión tomar una vez que el código ya está generado, el texto ya está redactado, el diseño ya está prototipado. La herramienta ejecuta con una velocidad y una precisión que antes era impensable, pero la herramienta no tiene contexto, no tiene historia, no tiene los doscientos fracasos previos que te enseñan por qué esa solución elegante va a chocar contra la realidad de un usuario real a las tres de la tarde de un martes.

Eso —exactamente eso— es lo que la IA no puede replicar todavía. La intuición con cicatrices.

El criterio no se entrena con prompts

Hay una diferencia abismal entre usar la IA para amplificar tu criterio y usarla para sustituirlo. La primera es como darle a Miles Davis una trompeta mejor. La segunda es como darle a alguien que nunca ha tocado música una trompeta que toca sola y esperar que eso le convierta en músico.

El juicio profesional —ese instinto que te dice que algo no cuadra aunque el modelo diga que sí, que un diseño técnicamente correcto va a fracasar emocionalmente, que una estrategia de contenidos perfectamente ejecutada está respondiendo a la pregunta equivocada— se forma únicamente a través de la experiencia acumulada. De haber visto proyectos caerse. De haber defendido una decisión en una reunión difícil y haber estado equivocado. De haber estado en lo correcto y que nadie te escuchara.

Ese tipo de conocimiento no vive en ningún conjunto de datos de entrenamiento. No es transferible por fine-tuning. Es orgánico, contextual y brutalmente humano.

La pregunta que deberíamos hacernos no es “¿qué puede hacer la IA por mí?”, sino “¿estoy desarrollando el criterio necesario para saber qué pedirle?”

La nueva brecha: los que saben qué vs. los que solo saben pedir

La democratización del cómo va a generar una polarización brutal en los próximos años. Por un lado, profesionales que usan la IA como amplificador de un criterio sólido, construido a lo largo de años de práctica deliberada. Por otro, una masa de ejecutores altamente eficientes que producen a velocidad industrial pero que no pueden responder a la pregunta más importante de cualquier proyecto: ¿esto debería existir? ¿Estamos construyendo lo correcto?

Eso no es un juicio de valor moral. Es un diagnóstico de mercado.

Los clientes sofisticados —los que realmente pagan bien— no necesitan ya a alguien que sepa ejecutar. Necesitan a alguien que sepa qué ejecutar, por qué en este momento y no en otro, y para quién con suficiente precisión quirúrgica. Necesitan criterio. Y el criterio, a diferencia del código o del copy, no se puede generar con un prompt.

Lo que sobrevive: la huella de las decisiones difíciles

Volvamos al diseñador del artículo original, el que empujó su primer repositorio a GitHub con Claude de copiloto. Su logro no fue técnico. Su logro fue saber qué construir y por qué valía la pena construirlo. La IA le prestó el andamio. Él puso el edificio.

Esa distinción lo es todo.

En un ecosistema saturado de herramientas que ejecutan a la velocidad del pensamiento, lo escaso —y por tanto lo valioso— es el pensamiento mismo. La capacidad de formular la pregunta correcta antes de abrir el chat. La resistencia a aceptar la primera respuesta plausible como la respuesta definitiva. El olfato para detectar cuándo una solución técnicamente impecable es estratégicamente estúpida.

Ese olfato no se descarga. No se instala. No se suscribe por 20 dólares al mes.

Se construye tomando decisiones difíciles, equivocándose en público, aprendiendo en contexto y acumulando, pacientemente, una biblioteca interna de qués que fallaron y de qués que funcionaron más allá de lo esperado.

La IA se ha quedado con el cómo. Bien. Que se quede. Ahora, por fin, podemos concentrarnos en la parte que siempre debió importar más.