Las herramientas de inteligencia artificial han hecho posible la automatización de trabajos y la disminución del tiempo invertido en tareas que anteriormente podían llevar días u horas. Y esto no es una percepción, sino un hecho que viene documentándose. Por citar un ejemplo, un estudio con 758 consultores de Boston Consulting Group, publicado en Organization Science en 2026, demostró que en 18 tareas laborales para las que GPT-4 era efectivo, los individuos que emplearon la herramienta terminaron un 12.2 % más de tareas y trabajaron un 25.1 % más rápido, de manera promedio.
Sin embargo, hay una pregunta que merece la misma atención que esos resultados: ¿qué hacemos con el tiempo que nos ahorramos? Y la respuesta podría ser menos optimista de lo que indican las cifras. Si bien la producción de contenidos es cada vez más veloz, ello no garantiza que lo producido sea realmente novedoso e impacte ante el público objetivo.
Y este problema no empieza con la aparición y posterior masificación de la inteligencia artificial. Mucho antes de su aparición, las marcas replicaban en sus campañas de branding fórmulas comunicaciones exitosas o apelaban a territorios conceptuales conocidos. La IA no inventó esa rutina. Lo que ha cambiado es la facilidad con la que podemos reproducirla y multiplicarla.
Y este riesgo silencioso que se da en medio la algarabía por la “mayor productividad” también se viene registrando. Un estudio publicado en la revista Science Advances en 2024, encontró que las historias escritas con ayuda de inteligencia artificial recibían mejores evaluaciones de creatividad, pero también tendían a parecerse más entre sí. Aunque el experimento se centró en relatos breves y no en campañas publicitarias, sus resultados plantean una advertencia relevante para el marketing y las comunicaciones: la IA ayuda a mejorar cada pieza, pero contribuye a que muchas se parezcan. Y en un mercado donde las marcas compiten por diferenciarse, terminar comunicando de manera similar puede significar perder autenticidad.
Ahora, llevemos este escenario al trabajo cotidiano. Una agencia presenta diez conceptos de campaña y todos parecen razonables, bien redactados y visualmente atractivos. Sin embargo, las propuestas podrían pertenecer a cualquiera de los competidores de la marca al utilizar territorios ya explorados y slogans que han sido empleados. Ahora pensemos en un equipo de comunicaciones, el mismo que prepara un mes de publicaciones institucionales sin errores de redacción, pero sin una idea que merezca ser recordada. Otro equipo genera decenas de titulares en minutos, aunque ninguno parte de una observación nueva sobre el consumidor. Son situaciones hipotéticas, pero describen un riesgo que merece examinarse: confundir la facilidad para producir alternativas con la capacidad de encontrar una propuesta verdaderamente relevante.
Y aquí conviene precisar lo siguiente: los modelos generativos aprenden patrones a partir de grandes volúmenes de información que se encuentran disponibles en la nube y producen respuestas en función de esos aprendizajes y del contexto que reciben. Pueden combinar conceptos de maneras novedosas y contribuir a resultados creativos. Afirmar que no generan ideas nuevas sería simplificar en exceso lo que hacen. Pero la cuestión es otra: una combinación novedosa no es necesariamente una idea pertinente para lo que necesita una marca, aunque pueda parecer convincente. Las respuestas que genera la IA no sustituyen al conocimiento específico del mercado, la observación de las personas ni la capacidad de reconocer una tensión cultural.
Cuando un profesional delega este trabajo, la IA termina ocupando un espacio que debería corresponder al criterio humano. Y este es un círculo vicioso que comienza a imperar en la actualidad. Se empieza con una consulta para una lluvia de ideas, pero se termina seleccionando las respuestas que suenan mejor. Es así como se investiga y se discute menos. El resultado puede parecer eficiente, pero ¿cuánto pensamiento hay detrás de lo que se entrega?
Esta problemática no queda solo en la parte operativa, sino que también afecta a quienes dirigen los equipos. Si el tiempo ahorrado se convierte automáticamente en una exigencia de producir más contenidos o más campañas, se terminará intensificando el trabajo gracias a la IA, pero no necesariamente se elevará la calidad. Y si los indicadores premian o celebran el número de entregables, la velocidad y el ahorro de horas, pero no examinan la diferenciación, la relevancia o el impacto, la mediocridad puede instalarse sin incumplir ningún objetivo.
Además, existe una cuestión incómoda para los propios profesionales: si una herramienta de IA puede solucionar con facilidad ciertas tareas que creíamos creativas, ¿cuánto de nuestro trabajo se basaba en un criterio propio y cuánto en la repetición de fórmulas aprendidas? La inteligencia artificial tiene la capacidad de aumentar la estandarización, pero al mismo tiempo puede mostrar una creatividad que tal vez ya era menos original de lo que pensábamos.
Estas reflexiones no buscan rechazar la tecnología ni en atribuirle a la IA todos los males actuales que existen en el marketing y las comunicaciones. Lo que busca es poner en evidencia que resulta fundamental decidir qué tareas conviene automatizar y qué procesos necesitan más investigación, discusión y tiempo. También es vital reconocer que una pieza bien escrita no es necesariamente una buena pieza de comunicación, del mismo modo que una campaña correctamente sustentada no es necesariamente una campaña diferenciadora.
Si todos tenemos la capacidad de generar contenidos precisos, veloces y persuasivos, la ejecución en sí dejará de ser suficiente para diferenciarnos. Entonces, ¿qué quedará como ventaja competitiva? ¿Entender mejor a las personas, plantear preguntas que otros no se hacen y mantener un punto de vista propio, o sencillamente aprender a usar las mismas herramientas más rápidamente?
Quisiera concluir este artículo con el siguiente cuestionamiento: la productividad se puede evaluar en función de las horas que se ahorran y los entregables que se generan. En cambio, la mediocridad puede establecerse sin modificar ninguno de esos indicadores. Y los que están al frente de marketing y comunicaciones deberían cuestionarse si están usando la inteligencia artificial para elevar la calidad de su trabajo o para multiplicar, a una velocidad sin precedentes, lo que antes nunca fue lo suficientemente bueno.
