A las once de la noche, una responsable de producto pega un informe difícil en un asistente de IA. Pregunta quién es el cliente, por qué abandona el servicio y cómo debería cambiar la siguiente pantalla. Unos segundos después tiene un diagnóstico ordenado, tres perfiles de usuario y un plan de ejecución. El documento parece terminado antes de que haya empezado la conversación importante.
Al día siguiente alguien pregunta qué entrevistas sostienen ese diagnóstico. Otra persona recuerda que la función recomendada ya fracasó el año pasado. Hay respuestas, pero nadie puede explicar dónde tocan el negocio concreto que tienen delante. El problema no es que la herramienta haya contestado mal. Resumir, comparar posibilidades y preparar un borrador son tareas que puede hacer muy bien. El problema es confundir poseer información con tener conocimiento.
El Gran Saber no anticipó la inteligencia artificial; no hace falta atribuirle esa profecía. Su utilidad es más sobria: describe un orden del aprendizaje que las respuestas instantáneas nos invitan a saltarnos.
La expresión gewu zhizhi (格物致知) suele traducirse como «investigar las cosas y extender el conocimiento». A veces se reduce a un eslogan que anima a reunir más datos. Pero el orden de la frase importa: primero hay algo a lo que atender; luego hay investigación; solo después puede llegar el conocimiento. No es una orden de buscar con más intensidad. Pide que quien aprende responda ante aquello que intenta comprender.
El detalle que el prompt no contenía
Una IA puede proponer razones plausibles para que alguien abandone un formulario: demasiados campos, una promesa de valor confusa, falta de confianza. Pero no vio a la persona detenerse ante la pregunta por el tamaño de su empresa. No oyó la frase exacta con la que explicó su duda. No sabe si el pico de tráfico de ayer procedía de una campaña dirigida al público equivocado.
Esos detalles no son adornos. Son el caso particular resistiéndose a una explicación genérica. Un informe puede describir una experiencia; observar consiste en permanecer con una situación específica el tiempo suficiente para advertir lo que el informe no puede contener. En este pasaje, «cosas» no tiene que significar solo objetos físicos. Una discusión que se repite, un lanzamiento fallido, una afirmación en una hoja de cálculo o la pregunta incisiva de un niño también pueden ser cosas que investigar.
Antes de pedir una conclusión, conviene hacer un registro breve: ¿qué vi realmente?, ¿qué estoy infiriendo?, ¿qué evidencia desmentiría la historia que ahora me cuento? La IA puede trabajar con esas preguntas; no puede sustituir el acto de formularlas con honestidad.
Cuando las respuestas se abaratan, las capacidades escasas no son solo encontrar información. Son encuadrar una buena pregunta, conservar los pormenores y decidir si una respuesta encaja en este caso.
Investigar es aceptar la posibilidad de corregirse
Supongamos que crees que el precio causa las cancelaciones. Es fácil pedir diez argumentos que apoyen esa teoría y obtenerlos. La investigación empieza en un lugar menos cómodo: con una comprobación que podría demostrar que te equivocas. Habla con tres clientes que se fueron. Prueba dos formas de explicar el valor del producto. Compara lo que hacen las personas, no solo lo que dicen. Si el patrón no aparece, revisa la teoría.
Eso vuelve exigente la antigua fórmula. Investigar no es mirar fijamente ni reunir confirmaciones. Es dejar que un juicio choque con el mundo. La IA puede sugerir hipótesis rivales, señalar variables que confunden o convertir comentarios en una tabla. No puede asumir la responsabilidad de elegir una prueba, escuchar un resultado incómodo o cambiar la decisión que se sigue de él.
La frase no exige leer todas las fuentes antes de actuar. Exige reconocer prioridades. Diez recomendaciones generadas no son diez tareas. ¿Qué supuesto sostiene más peso? ¿Cuál puede comprobarse con poco coste? ¿Qué rama puede esperar hasta que la raíz esté más clara? Cuando abunda la información, el orden suele valer más que el volumen.
El conocimiento tiene que modificar el siguiente paso
Hay una prueba sencilla para saber si una respuesta se ha convertido en conocimiento: ¿cambia lo que harás después? «Los usuarios necesitan una propuesta de valor más clara» sigue siendo una frase elegante hasta que reescribes la primera pantalla, se la muestras a personas del público previsto y la corriges de nuevo a partir de su reacción. Actuar no vuelve infalible una afirmación; le da un lugar donde encontrar resistencia.
Empieza por la escena
Antes de escribir el prompt, anota tres líneas: los hechos observados, la pregunta y la restricción. Un prompt situado produce una respuesta más útil y revela lo que aún no sabes.
Pide evidencia en contra
Solicita las condiciones bajo las que una recomendación fallaría. Elige una forma barata de comprobar la condición con consecuencias mayores.
Termina con una prueba, no con una pestaña
Convierte una respuesta útil en una acción realizable hoy. El resultado, favorable o no, será el material de la siguiente vuelta de aprendizaje.
Las herramientas pueden llevarnos deprisa hasta el borde de una pregunta. No pueden cruzarlo por nosotros. Investigar las cosas es mantener contacto con lo particular, aceptar la corrección y dejar que lo aprendido aparezca en lo que hacemos. La IA puede redactar el primer borrador de una respuesta. La comprensión crece en el viaje de ida y vuelta entre una afirmación y el mundo.