Coreografía: dictamen anclado en las fuentes (sin alucinar)

Viernes, 4pm. El cliente necesita un dictamen sobre despido con causa justificada para el lunes. Abres la IA y escribes: dame los cinco principales precedentes del TST sobre despido con causa por abandono de trabajo, con número de expediente. En quince segundos aparece una lista hermosa: cinco sentencias, números de expediente completos, sumarios bien escritos, todo formateado. Casi lo pegas en el dictamen. Solo que tres de esos expedientes no existen. La IA los inventó. Los números son plausibles, los sumarios suenan correctos, pero si buscas en el sitio del tribunal, no encuentras nada. Y tu nombre iba en la firma del dictamen.

Necesitas armar una matriz de evaluación de desempeño del trimestre y le pides a la IA: tráeme los indicadores de rotación, compromiso y ausentismo de mi equipo de ventas. En segundos aparece una tabla impecable: porcentajes redondos, comparativo con el trimestre anterior, hasta un benchmark de mercado. Casi la mandas al comité de talento. Solo que la IA no tiene acceso a tu HRIS, inventó los números a partir del patrón. Piénsalo conmigo: la velocidad de armar la matriz es de ella, pero la verdad de los datos del colaborador es tuya. Quien presenta ante el comité, responde. Ancla a la IA en la planilla real de RRHH antes de pedir cualquier lectura, y confirma cada número antes de firmar.

Viernes al final del día, estás cerrando el PRD y le pides a la IA: enlístame las métricas de adopción de la última feature, con retención D7 y D30. Aparece todo formateado, porcentajes bonitos, hasta una curva de cohorte descrita. Casi lo pegas en el roadmap para justificar la próxima apuesta. Solo que la IA no está conectada a tu panel de producto, completó un patrón plausible. Uf, y era en esos números en los que se iba a apoyar la priorización del trimestre. La IA acelera la estructura del PRD y la redacción, eso es real. Pero la verdad de la métrica viene de tu analytics, y la decisión de priorizar es tuya. Pega los datos reales primero, confirma cada métrica, y solo entonces sustenta la apuesta.

Estás armando la propuesta de una cuenta grande y le pides a la IA: tráeme los casos de clientes de nuestro sector que cerraron por encima de 200 mil, con nombre y resultado. En segundos aparece una lista convincente: tres logos, números de ROI, testimonios cortos. Casi la subes directo al deck de la reunión. Solo que dos de esos casos no existen como ella los describió, la IA completó el patrón de un caso típico. Bien, la propuesta quedó rápida, y eso vale oro al final del mes. Pero si el prospecto pide la referencia, es tu nombre en el pipeline el que cae. La IA acelera la redacción de la propuesta; la verdad del caso viene de tu CRM y la sustentación de la negociación es tuya. Ancla en los datos reales de venta, confirma cada caso, y ahí sí firma.

Necesitas revisar el SLA con un proveedor y le pides a la IA: muéstrame el historial de cumplimiento de plazos de los últimos seis meses, con los incidentes. Aparece una tabla hermosa: porcentaje de cumplimiento, fechas de atraso, causas raíz. Casi la llevas a la mesa de renegociación. Solo que la IA no está conectada a tu sistema de gestión de proveedores, armó el patrón de un historial verosímil. Piénsalo conmigo: la velocidad de organizar el informe es de ella, pero la verdad del dato operativo es tuya. Quien se sienta en la renegociación, responde por el número. Ancla a la IA en el registro real de SLA, confirma cada incidente contra el registro, y solo entonces sustenta la posición en la mesa.

Con la auditoría tocando la puerta, le pides a la IA: enlístame los artículos de la LGPD que aplican a este flujo y la jurisprudencia de la ANPD sobre el tema. En segundos aparece un dictamen de compliance redondo: artículos citados, número de expedientes administrativos, multas de referencia. Casi lo anexas al informe de controles internos. Solo que parte de esas decisiones de la ANPD la IA las inventó, completó el patrón de un precedente regulatorio. Uf, y era en eso en lo que se apoyaba tu evaluación de riesgo. La IA acelera la estructura del dictamen de compliance, eso ayuda. Pero la verdad de la norma y de la decisión es tuya, y quien firma el control responde. Pega el texto real del reglamento, confirma cada cita en la fuente oficial, y ahí sí sustenta el análisis de riesgo.

Incidente en producción, le pides a la IA: muéstrame cómo nuestra función de autenticación maneja el refresh de token y qué versión de la librería estamos usando. Aparece una respuesta segura: fragmento de código bien escrito, número de versión exacto, hasta el changelog. Casi aplicas el fix directo y haces el deploy. Solo que ese fragmento no es tu código real, la IA generó un patrón plausible, y la versión de la librería la inventó. Bien, la IA acelera la lectura de la arquitectura y el borrador del fix, eso es real y vale tiempo en medio de un incidente. Pero la verdad del código viene de tu repositorio y la decisión de subir es tuya. Pega el archivo real, confirma la versión en el package real, y solo entonces haz el deploy con tu nombre en el commit.

Viernes por la tarde, estás cerrando el informe de investigación y le pides a la IA: resúmeme lo que los usuarios dijeron sobre el flujo de checkout en las últimas entrevistas, con los principales dolores. Aparece un resumen hermoso: tres dolores nombrados, frases de usuario entre comillas, hasta el porcentaje de quien se trabó en el paso de pago. Casi lo llevas al equipo de producto como insight. Solo que la IA no leyó tus entrevistas, completó el patrón de un dolor típico de checkout, y esas comillas son inventadas. Piénsalo conmigo: la velocidad de estructurar el informe es de ella, pero la verdad de la voz del usuario es tuya. Quien presenta el insight, responde por él. Ancla a la IA en las transcripciones reales de la investigación, confirma cada cita de usuario contra lo que fue dicho, y solo entonces sustenta la recomendación de flujo.

Estás cerrando el board deck del trimestre y le pides a la IA: tráeme el market share de los tres principales competidores y la tasa de crecimiento del sector en los últimos dos años. En segundos aparece una diapositiva lista: porcentajes redondos, fuente citada al lado, hasta una curva de tendencia dibujada. Casi la subes al board así. Solo que la IA no está conectada a ningún informe sectorial real, completó el patrón de un mercado plausible, y la fuente citada no existe. Uf, y era sobre esos números que se iba a apoyar la decisión de inversión del próximo año. La IA acelera la estructura del deck y la narrativa, eso es real. Pero la verdad del dato de mercado viene de tu fuente real, informe pago, investigación propia, dato público auditable, y la decisión de invertir es tuya. Ancla la IA en los informes reales, verifica cada número en la fuente original, y solo entonces lleva la diapositiva al board.