A inicios de año rompí mi cuchillo de cocina y tuve que comprar un reemplazo, sí, sé como suena… pero prometo que este no es otro post de superación basado en un incidente diario. Lo que sí pasó: fue la primera vez que dejé que una máquina elija por mí.

Esto no es nuevo, y de hecho ya lo hemos normalizado, pero no nos adelantemos, vuelvo a ese punto más tarde.

Ibamos en que necesitaba un cuchillo. Me tomo estas compras en serio: investigo, cruzo información, leo reseñas, incluso veo benchmarks en YouTube en canales especializados. Para mí el paso lógico era probarlo con IA. Abrí un chat y llevé todo el proceso de investigación por ahí: investigué criterios para un buen cuchillo, definí mis preferencias personales y me dio las tres mejores opciones según los criterios que definimos.

Este caso no es aislado y hay otros: imagina que estás definiendo bibliografía para una investigación y necesitas artículos pagos, puedes delegar a un agente el barrido de sumillas, que busque fuentes y elija las que mejor encajen tomando en cuenta un presupuesto.

Al final seguimos dando el click de compra, o en mi caso, yendo a la tienda física para una revisión final (como ya dije, me tomo esas compras en serio), y ahí está la trampa: debido a que hacemos la elección final no nos damos cuenta de que esa libertad está limitada a un conjunto filtrado previamente por una IA.

Un futuro a la vista

Esto no es una tendencia emergente ni especulación. En la QCon AI de este año se lanzó una predicción concreta: para el 2027 el principal comprador de recursos en la nube será un agente de IA. Y si revisaste el post anterior donde tratamos el reporte Gartner, los CEOs ya están activamente trabajando para darle a los agentes capacidades de compra y venta, con proyecciones de que el 19.9% de los ingresos vendrá de machine customers para 2030.

La pregunta no es si esto va a pasar, ya está sucediendo. La pregunta urgente es si tus productos y servicios están listos para ello.

El amigo incansable

Los humanos típicamente somos flojos: vemos las tres primeras opciones, leemos un par de reseñas, comparamos precios y listo. Nos cansamos, tenemos sesgos subjetivos, y en algún punto simplemente no vale la pena el esfuerzo y compramos el primer resultado en Google.

Una IA no. Puede revisar cientos de reseñas, detectar inconsistencias entre lo que una marca y sus clientes dicen, comparar contra competidores, sin cansarse y en un instante.

Pero hay algo más: La IA te conoce, o más bien: tiene una imagen tuya, no como una segmentación de mercado, sino como la información de conversaciones previas: alergias, objetivos personales, si estás tratando de perder peso o hábitos específicos. Y usa todo eso para afinar el filtro. El resultado puede ser más preciso que cualquier recomendación humana, y esto al mismo tiempo es el riesgo: las conversaciones no necesariamente dicen quién eres. Está decidiendo en base a una imagen construida por interacción, pero sin validación.

Equilibrando la balanza

Mencioné que esto estaba normalizado, solo que en otro contexto.

Hoy, tu CV no llega directamente a un humano. Pasa primero por un ATS, un sistema que filtra, clasifica y descarta candidatos sin misericordia, antes de llegar a un reclutador humano. Se calcula que el 98% de las empresas Fortune 500 usan uno. Y alrededor de eso se creó toda una industria: cómo formatear tu CV para que el sistema lo lea, qué keywords incluir, qué estructuras evitar.

Hay debates si es justo o no, pero acatamos y lo aceptamos por supervivencia.

Las empresas están experimentando lo mismo para llegar a nosotros y justo o no, tendrán que hacerlo para sobrevivir.

Las nuevas reglas del juego

Esto ya tiene nombre: GEO y AEO, Generative Engine Optimization y Answer Engine Optimization. Básicamente guías de trabajo para ser legibles por agentes. Si quieres profundizar, esos son los términos que debes buscar.

¿Qué significa esto para empresas y para nosotros?

Primero: no basta con ser bueno. Tienes que ser legible para el agente. Tu información tiene que estar estructurada, verificable, consistente entre lo que dices de ti mismo y lo que dicen otros de ti. Un producto excelente con información desordenada puede quedar fuera así aparezca en la primera página de Google.

Segundo: ser legible tampoco garantiza nada. La IA no es determinista, además tiene sesgos propios según el modelo que lo corre y quién lo entrenó. Dos modelos distintos con la misma consulta pueden llegar a shortlists distintos, una capa de poder que usuarios y empresas no controlan y probablemente no ven.

Y si no lo habías notado: bienvenido al nuevo juego, uno sin árbitro, sin reglas visibles, y sin opción de salir.