En Sonoma. Marketing & Web utilizamos inteligencia artificial en nuestro trabajo. Nos ayuda a investigar, analizar información, explorar alternativas y acelerar determinados procesos. Conocemos bien el valor que puede aportar y, precisamente porque la utilizamos, también sabemos algo importante: obtener una respuesta convincente no significa tener los conocimientos necesarios para saber si esa respuesta es correcta o adecuada.
La IA puede multiplicar nuestras capacidades. También puede multiplicar nuestros errores cuando no tenemos el conocimiento necesario para detectar que algo está mal.
Para demostrarlo, hemos recopilado algunas situaciones reales que hemos vivido trabajando en SEO, desarrollo web, contenidos, diseño y redes sociales. Todos los casos tienen algo en común: muestran qué puede ocurrir cuando la IA deja de ser una herramienta de apoyo y sus respuestas empiezan a convertirse en un criterio definitivo.
El problema no es usar inteligencia artificial, sino dejar de cuestionarla
Cuando hablamos de mal uso de la inteligencia artificial, no nos referimos a utilizar ChatGPT, Claude u otras herramientas para trabajar. El problema aparece cuando dejamos de cuestionar sus respuestas y las convertimos directamente en decisiones.
Ocurre cuando aceptamos una recomendación sin verificarla, ejecutamos una acción sin comprender todas sus consecuencias o utilizamos la IA como sustituto del criterio profesional. También cuando una propuesta que parece razonable de forma aislada termina imponiéndose sobre el objetivo global de un proyecto sin tener en cuenta todo el contexto que existe detrás.
Una IA puede generar un texto, plantear una estrategia, crear una imagen, escribir código o incluso ejecutar cambios. Pero tener capacidad para generar o ejecutar algo no significa necesariamente saber si esa es la mejor decisión.
Ahí está la diferencia: necesitamos criterio para valorar qué tiene sentido, qué debemos comprobar y cómo puede afectar cada decisión al conjunto del proyecto. Y los casos reales que veremos a continuación muestran precisamente qué ocurre cuando esa parte del proceso desaparece.
Caso 1. La IA puede darte respuestas antes de darte conocimiento
En uno de nuestros proyectos empezamos a recibir recomendaciones muy concretas sobre optimización SEO obtenidas con ayuda de inteligencia artificial. Utilizaban terminología técnica, estaban bien formuladas y, a primera vista, parecían razonables. Sin embargo, más adelante comprobamos que faltaban algunos conocimientos básicos de SEO necesarios para valorar si aquellas recomendaciones tenían realmente sentido para el proyecto.
Ahí aparece uno de los riesgos menos evidentes del mal uso de la inteligencia artificial: podemos acceder a respuestas especializadas antes de disponer del conocimiento necesario para evaluarlas. La herramienta puede ofrecernos conceptos, argumentos y propuestas, pero no nos transfiere automáticamente el criterio profesional necesario para interpretarlos.
Una respuesta convincente no siempre es una respuesta correcta
Utilizar terminología técnica puede generar una falsa sensación de dominio. En SEO, una recomendación no debería aplicarse únicamente porque suene lógica o esté explicada con seguridad. Hay que contrastarla con la intención de búsqueda, los datos disponibles, la competencia, la posible canibalización, la arquitectura de la web y los objetivos del negocio.
Ahí está la diferencia entre saber preguntar y saber decidir. Podemos pedir a una IA que analice una situación y utilizar su respuesta como punto de partida, pero necesitamos conocimientos para detectar qué información falta, qué debemos contrastar y cómo encaja esa recomendación dentro de una estrategia más amplia.
Tener acceso a una respuesta técnica no equivale, por tanto, a tener el criterio necesario para aplicarla. La IA puede acercarnos al conocimiento; saber qué hacer con él sigue siendo responsabilidad de quien toma la decisión.
Caso 2. Cuando “parece correcto” no es suficiente
Hay ámbitos en los que una respuesta aparentemente correcta necesita un nivel de comprobación mucho mayor. Nos ha ocurrido, por ejemplo, al trabajar con contenidos sanitarios. En un artículo relacionado con tecnologías de fisioterapia fue necesario revisar con especial rigor la evidencia científica disponible, diferenciar técnicas y evitar extrapolaciones. Algunas formulaciones generadas con IA transmitían más seguridad de la que realmente permitían las fuentes.
También lo hemos observado en contenidos jurídicos. Hemos encontrado afirmaciones demasiado categóricas, explicaciones de procedimientos que podían haber cambiado tras reformas normativas y mensajes que requerían revisión antes de publicarse. El texto podía estar bien construido y resultar convincente, pero eso no garantizaba que la información estuviera actualizada, suficientemente matizada o fuera aplicable al caso concreto.
Cuanto más sensible es la información, mayor debe ser la supervisión
Estos casos no significan que la inteligencia artificial no pueda utilizarse para trabajar con información sanitaria o jurídica. Significan que la apariencia de seguridad de una respuesta no puede sustituir su verificación, especialmente cuando un error puede tener consecuencias relevantes.
En estos contextos, el uso responsable de la inteligencia artificial exige comprobar fuentes, revisar la vigencia de la información, detectar qué afirmaciones necesitan matices y recurrir a supervisión especializada cuando corresponda.
La IA puede ayudarnos a investigar, ordenar información o preparar un primer borrador. Pero que una explicación sea clara, coherente y esté bien redactada no demuestra que sea exacta. En determinados ámbitos, “parece correcto” es solo el principio de la revisión, no el final.
Caso 3. Le pedimos a la IA que cambiara una cosa y terminó afectando a toda la web
En otro proyecto, la inteligencia artificial no se utilizó únicamente para pedir una recomendación. La herramienta estaba conectada directamente a la página web y podía ejecutar modificaciones mediante instrucciones. Se solicitó un cambio concreto y la IA lo aplicó, pero la modificación terminó extendiéndose de forma global y afectó al diseño de distintas páginas del sitio.
En ese momento, el problema ya no era recibir una respuesta más o menos acertada: la herramienta tenía capacidad para actuar directamente sobre la web. Fue necesaria una intervención técnica posterior para localizar el alcance de los cambios y recuperar correctamente el sitio.
Dar acceso a una IA también multiplica el alcance de sus errores
Hay una diferencia importante entre pedir a una IA que nos indique qué podríamos modificar y permitirle ejecutar esa modificación directamente. En el segundo escenario, una instrucción mal interpretada o con un alcance mayor del previsto puede tener consecuencias inmediatas sobre un sistema en producción.
Por eso, cuando una herramienta puede actuar directamente, cobran todavía más importancia los permisos, la revisión previa, las copias de seguridad, el control de cambios y la posibilidad de revertirlos.
Cuanta más capacidad de acción concedemos a una IA, más importante es saber qué puede tocar, hasta dónde puede llegar y cómo recuperar el estado anterior si algo falla.
Este caso resume muy bien una idea clave: la IA puede acelerar la ejecución, pero también puede acelerar el impacto de una decisión mal planteada.
Caso 4. La IA hizo una landing bastante buena. Y ahí estaba parte del problema
No todos los riesgos del uso de la inteligencia artificial aparecen cuando una respuesta es claramente incorrecta. A veces ocurre justo lo contrario: el resultado es suficientemente bueno como para que parezca que ya no necesita revisión.
En uno de nuestros proyectos recibimos el briefing y el contenido prácticamente completo de una landing que, según se nos explicó, había sido generada con inteligencia artificial. La propuesta estaba muy trabajada: definía público objetivo, objetivo de conversión, posicionamiento, tono, criterios de diseño, estructura por bloques, llamadas a la acción, formulario, analítica y un primer planteamiento SEO.
Nuestro trabajo consistió en revisar esa propuesta desde una perspectiva profesional, valorando SEO, intención de búsqueda, jerarquía de la información, estructura y conversión. Analizamos el contenido sección por sección y planteamos distintas optimizaciones. Finalmente, se decidió mantener la versión original generada con IA.
Y aquí está lo interesante: el caso no demuestra que aquella landing estuviera mal, sino que una propuesta puede ser completa, coherente y convincente y seguir teniendo margen de mejora desde una perspectiva especializada.
Que algo esté bien no significa que no pueda estar mejor
Una IA puede generar un texto correcto, pero eso no significa que esté optimizado para una intención de búsqueda concreta. Puede construir una estructura completa, pero una estructura estratégica exige decidir qué información necesita realmente el usuario, en qué orden debe encontrarla y cómo contribuye cada bloque al objetivo de conversión.
Lo mismo ocurre con el SEO. Incluir un title, una metadescripción o una jerarquía de encabezados no equivale a haber realizado una investigación SEO. Para tomar decisiones necesitamos trabajar con datos, analizar búsquedas y competencia y entender cómo encaja esa página dentro de la estrategia global del sitio.
Este caso refleja una de las limitaciones menos evidentes de la inteligencia artificial: cuando el resultado parece bueno, puede ser más difícil detectar todo lo que todavía merece ser cuestionado.
La revisión profesional no empieza únicamente cuando algo está mal. Muchas veces empieza precisamente cuando algo parece estar bien y necesitamos determinar si, además de correcto, es realmente la mejor solución para el objetivo que perseguimos.
Caso 5. Generar contenido no es lo mismo que construir una marca
En creatividad y redes sociales hemos encontrado varias situaciones con un mismo patrón: la inteligencia artificial permite generar piezas con enorme rapidez, pero crear contenido no equivale a construir una marca. Cuando valoramos únicamente el resultado aislado, podemos dejar fuera aspectos esenciales como el concepto, la identidad visual, la estrategia y la coherencia con todo lo que la marca ya comunica.
“Si la IA puede hacer la mascota, ¿para qué pagar el diseño?”
En uno de nuestros proyectos se planteó crear una mascota para redes sociales utilizando inteligencia artificial. Si la herramienta podía generar el personaje, parecía posible prescindir de buena parte del trabajo creativo. Se optó por esa vía, pero el resultado finalmente no terminó de convencer.
El caso muestra bien la diferencia entre dos tareas que pueden parecer iguales y no lo son: generar la imagen de un personaje es una cosa; diseñar una mascota de marca es otra. Diseñarla implica definir un concepto, construir una personalidad, establecer una dirección creativa, iterar sobre las propuestas y conseguir que el personaje pueda mantenerse coherente en diferentes formatos y situaciones.
La IA puede formar parte de ese proceso y agilizar determinadas fases. Pero la capacidad de generar una imagen no elimina la necesidad de decidir qué necesita realmente la marca y por qué.
Una imagen puede ser bonita y seguir siendo incorrecta para la marca
Algo parecido ocurre cuando juzgamos una creatividad únicamente por su atractivo visual. En algunos proyectos se ha planteado incorporar al feed piezas creadas íntegramente con IA. Observadas de forma aislada podían resultar atractivas, pero introducían una estética diferente y rompían la coherencia visual del conjunto.
Una identidad visual no se construye acumulando imágenes bonitas. Cada pieza forma parte de un sistema y debe responder al tono visual, el posicionamiento y los códigos que permiten reconocer a la marca. Por eso, una creatividad puede funcionar como imagen y no funcionar como pieza de esa marca concreta.
Cuando el feedback se convierte en otro texto generado por ChatGPT
También hemos encontrado esta situación trabajando con copies. En ocasiones, después de entregar un texto, el feedback recibido ha sido directamente una nueva versión generada con ChatGPT o Claude, en lugar de explicar qué idea, tono o mensaje necesitaba modificarse.
Para mejorar una pieza necesitamos entender qué problema estamos intentando resolver: quizá el tono resulta demasiado comercial, una idea no se entiende, falta destacar un beneficio o el mensaje no refleja lo que la marca quiere transmitir.
Esa información permite revisar el contenido manteniendo su objetivo y su contexto. En cambio, una nueva versión generada por IA nos ofrece directamente otra solución, pero no necesariamente nos explica qué problema necesitaba resolverse.
Y esa diferencia importa: cuando conocemos el problema podemos buscar la mejor respuesta; cuando solo recibimos otra respuesta, corremos el riesgo de sustituir una propuesta por otra sin saber realmente qué queremos mejorar.
Entonces, ¿cómo utilizar la inteligencia artificial de forma responsable?
Los casos anteriores no cambian nuestra visión sobre la utilidad de la IA. Bien integrada en un proceso de trabajo, puede ayudarnos a investigar, estructurar información, explorar alternativas, analizar datos, generar primeras versiones, automatizar tareas repetitivas y acelerar procesos.
El uso responsable de la inteligencia artificial empieza por decidir qué papel queremos que desempeñe. No es lo mismo utilizarla para ampliar nuestras capacidades que delegar en ella una decisión que no sabemos evaluar.
Para aprovecharla con criterio necesitamos proporcionarle contexto, comprobar la información cuando sea necesario y reconocer qué tareas requieren conocimientos especializados, revisión humana o supervisión antes de ejecutarse.
También conviene preguntarnos qué estamos delegando y qué consecuencias tendría equivocarnos. Podemos pedir alternativas, análisis o propuestas, pero algunas decisiones afectan a sistemas completos, información sensible o elementos estratégicos de un proyecto. En esos casos, la supervisión no debería empezar después de que algo haya salido mal.
En definitiva, utilizar bien la IA implica saber qué pedirle, qué cuestionar, qué verificar y qué no dejar en piloto automático. Su verdadero potencial aparece cuando existe alguien capaz de valorar sus respuestas y decidir cuándo utilizarlas, cuándo modificarlas y cuándo descartarlas.
La IA no sustituye el criterio, lo hace más importante
Todos estos casos apuntan hacia una misma idea: la inteligencia artificial puede ampliar enormemente nuestras capacidades, pero también puede amplificar el impacto de una mala decisión cuando no sabemos detectar que algo está mal.
En Sonoma. Marketing & Web utilizamos IA dentro de nuestros propios procesos porque conocemos el valor que aporta. Nos permite trabajar con más agilidad, explorar alternativas y optimizar determinadas tareas. Pero también sabemos que su utilidad depende de cómo la dirigimos, qué información verificamos, qué respuestas cuestionamos y qué decisiones seguimos sometiendo a revisión profesional.
Por eso, el futuro no debería plantearse como una elección entre inteligencia artificial o profesionales. La verdadera ventaja está en combinar ambas capacidades: utilizar la IA con profesionales que saben qué pedirle, qué revisar, qué cuestionar y qué decisiones no deberían dejarse en piloto automático.
Porque, al final, usar IA no es lo mismo que saber lo que estás haciendo.
