Feedback efectivo con IA: tres formas de iterar que mejoran tus resultados de verdad

Feedback efectivo con IA: tres formas de iterar que mejoran tus resultados de verdad

Treinta propuestas de eslogan después, nadie en la agencia estaba satisfecho. No porque las frases fueran malas, sino porque ninguna encajaba con lo que de verdad estaban buscando. La directora creativa paró el proceso. No pidió otro eslogan. Explicó por qué los anteriores no funcionaban. En ese momento, la IA dejó de generar ruido y empezó a afinar. Esa escena, que abre el capítulo sobre feedback en El Empleado Digital, es la mejor metáfora de lo que significa iterar con inteligencia artificial.

Qué vas a aprender con este libro

El capítulo sobre feedback e iteración es esencial porque desmonta uno de los errores más extendidos: creer que iterar significa pedir «otra versión» hasta que algo te guste. Iterar con IA no es tirar dados. Es darle la información que necesita para mejorar.

La primera respuesta no es el problema

Muchos usuarios juzgan una IA por su primera respuesta. Es un error. En el trabajo real, nadie espera que un colaborador dé en el clavo a la primera cuando el encargo es complejo o ambiguo. La primera respuesta sirve para ver cómo ha entendido el encargo. No para cerrar el trabajo.

Si algo falla, no es señal de incapacidad. Es información. Iterar con IA no es admitir que el modelo es mediocre. Es usarlo como se usa a cualquier profesional competente: con criterio, feedback y dirección.

Tratar a la IA como a un junior brillante

Un junior brillante tiene dos características: entiende rápido y necesita criterio. Si solo le dices «esto está mal», no aprende nada. Si le explicas qué está mal y por qué, mejora a gran velocidad. Con la IA ocurre lo mismo. La calidad del feedback determina la calidad de la iteración.

La directora de la agencia no dijo «sé más creativo». Dijo: «El segundo párrafo suena genérico porque no conecta con el problema real del cliente.» Eso es feedback concreto. Eso es lo que funciona.

Las tres formas de iterar (y no son intercambiables)

El libro distingue tres movimientos claros. Usar el equivocado desperdicia tiempo:

1. Regenerar: el más simple

«Vuelve a intentarlo.» Sirve cuando no tienes claro qué falla o cuando buscas variaciones rápidas. Es útil para explorar. No para afinar. Regenerar es tirar dados: a veces sale algo mejor, a veces no, pero no estás dirigiendo el proceso.

2. Matizar: el más rentable

«Mantén esto, pero cambia aquello.» Es el feedback más rentable para producción. No invalidas todo el trabajo. Ajustas una pieza concreta: el tono, el arranque, el enfoque. La IA responde muy bien cuando sabe qué preservar. Matizar es decir «este párrafo funciona, el segundo pierde el foco, reescribe solo el segundo atacando este punto concreto.»

3. Reanudar: el más potente

Tratas a la IA como a una persona: le explicas qué problemas ves, por qué son problemas y qué dirección debería tomar la solución. Incluso puedes pedirle primero el plan antes de reescribir. Ahí suele aparecer el salto de calidad:

«Tu respuesta tiene tres problemas: A, B, C. Antes de reescribirla, dime con tus palabras cómo vas a resolver cada uno. Si el plan me convence, ejecútalo.»

Leer ese plan es donde aparece el criterio compartido. No estás corrigiendo a ciegas. Estás alineando la dirección antes de ejecutar.

Critica la respuesta, no al modelo

El libro hace una distinción sutil pero clave. Esto no funciona: «Esto está mal. Hazlo mejor.» Esto sí: «El segundo párrafo suena genérico porque no conecta con el problema real del cliente. Reescribe solo ese párrafo atacando este punto concreto.»

La IA no tiene ego, pero tiene estructura. Cuanto más concreta es la crítica, mejor se ajusta la siguiente versión. Un feedback vago produce una respuesta vaga. Un feedback preciso produce una respuesta precisa. No es magia. Es mecánica.

Cuándo insistir y cuándo empezar de cero

Hay un momento en el que iterar deja de aportar. Si has dado buen feedback y la respuesta sigue sin encajar, el problema suele estar antes: el prompt inicial era confuso, el objetivo no estaba claro, o el encargo cambiaba sin decirlo.

Ahí no toca insistir. Toca parar, redefinir y empezar con un encargo limpio. La señal clara: si después de dos iteraciones de feedback concreto el resultado no mejora, el problema no está en las respuestas. Está en el punto de partida.

Por qué este libro merece la pena

El capítulo sobre feedback te enseña a iterar con dirección, no a ciegas. A diagnosticar antes de pedir otra versión. A distinguir entre regenerar, matizar y reanudar. Y sobre todo, a saber cuándo parar y empezar de cero. Es una habilidad que mejora no solo tu trabajo con IA, sino tu forma de comunicarte con cualquier colaborador.