Las 4D de la fluidez en IA: de usar herramientas a crear valor
Aprende qué significa tener fluidez en IA y cómo aplicar las 4D —delegación, descripción, discernimiento y diligencia— en el trabajo.
Usar inteligencia artificial es cada vez más sencillo. Podemos pedirle que redacte un correo, resuma un documento o nos ayude a preparar una presentación. En pocos segundos tendremos una respuesta que, muchas veces, parecerá suficientemente buena.
Pero ahí aparece una pregunta más interesante: ¿sabemos trabajar bien con la IA o simplemente nos hemos acostumbrado a pedirle cosas?
La diferencia importa. No porque exista una forma perfecta de escribir instrucciones, sino porque utilizar una herramienta y obtener resultados fiables son dos cosas distintas. Para conseguir lo segundo hay que saber qué trabajo merece la pena delegar, cómo explicar lo que necesitamos, cómo revisar lo que recibimos y qué responsabilidades conservamos.
A ese conjunto de habilidades se le llama fluidez en inteligencia artificial, o AI Fluency.
Qué significa tener fluidez en IA
La fluidez en IA no consiste en dominar todos los modelos disponibles ni en memorizar una colección de prompts. Es la capacidad de colaborar con sistemas de IA de forma eficaz, eficiente, ética y segura, adaptando nuestro criterio a cada situación.
La definición procede del AI Fluency Framework, desarrollado por los profesores Rick Dakan, del Ringling College of Art and Design, y Joseph Feller, de University College Cork. Los investigadores han desarrollado materiales de formación junto con Anthropic, disponibles en Claude Academy.
Su propuesta organiza esta competencia en cuatro dimensiones, conocidas como las 4D:
- Delegación: decidir qué dejamos en manos de la IA.
- Descripción: comunicar bien lo que necesitamos.
- Discernimiento: juzgar críticamente el resultado y el proceso.
- Diligencia: utilizar el sistema de forma responsable y responder por su uso.
Son habilidades aplicables a ChatGPT, Claude, Gemini y otras herramientas. No pertenecen exclusivamente a un producto: describen cómo trabajamos las personas cuando incorporamos IA a nuestras tareas.
Delegación: decidir primero qué trabajo tiene sentido encargar
La primera dimensión aparece antes de abrir el chat.
Imaginemos que tenemos que preparar una propuesta para un cliente. Podemos utilizar IA para estructurar la información, ordenar necesidades, generar un primer borrador o localizar preguntas que faltan por responder. Pero decidir el precio, aceptar determinadas condiciones o comprometer a la empresa son decisiones que pueden exigir experiencia, autorización y responsabilidad humana.
Una buena delegación consiste en distinguir esas partes.
Conviene preguntarse: ¿qué resultado necesito?, ¿qué conoce realmente la herramienta?, ¿qué riesgos tendría un error?, ¿qué información puede consultar? y ¿qué decisiones debo mantener bajo mi control?
No siempre conviene delegar más. En ocasiones la IA aporta más valor ayudándonos a pensar que realizando por completo la tarea.
Y hay una pregunta anterior que no debemos olvidar: ¿el proceso que queremos automatizar merece seguir existiendo?. Acelerar una actividad innecesaria no la convierte en útil.
Descripción: pedir bien es pensar con claridad
Cuando hablamos de utilizar IA, la conversación suele concentrarse en los prompts. Esa habilidad forma parte de la segunda D, pero describir va bastante más allá de encontrar una fórmula ingeniosa.
Se trata de explicar el contexto, el objetivo, las restricciones y cómo reconoceríamos una buena respuesta.
No es lo mismo escribir «hazme una propuesta comercial» que indicar a quién va dirigida, qué problema queremos resolver, qué información se ha confirmado, qué datos faltan y qué compromisos no deben inventarse.
Una descripción útil no tiene por qué ser larga. Tiene que ser suficientemente precisa.
Por ejemplo:
«Con estos apuntes de una reunión, prepara un borrador de propuesta para revisión interna. Separa necesidades confirmadas, posibles soluciones y preguntas pendientes. No inventes precios, plazos ni capacidades técnicas. Señala cualquier contradicción entre las notas».
En una instrucción así hay algo más que un buen prompt: hemos definido el trabajo para que el resultado pueda revisarse.
También conviene iterar. Si el primer borrador falla, explicar qué falla y por qué suele ser más útil que pedir simplemente «mejóralo». En ARCIORA profundizamos en ello al explicar cómo escribir buenas instrucciones para la IA.
Discernimiento: no confundir una respuesta convincente con una respuesta correcta
Probablemente sea una de las competencias más infravaloradas.
La IA puede elaborar explicaciones fluidas, tablas ordenadas y conclusiones aparentemente razonables. Eso no significa que sus cifras sean correctas, que las fuentes existan o que la propuesta encaje con el problema real.
Discernir es revisar con criterio tanto el contenido como el camino seguido para obtenerlo.
Supongamos que utilizamos IA para comparar tres proveedores. Un resultado bien redactado no basta. Necesitamos comprobar si los precios corresponden a presupuestos reales, si la comparación utiliza los mismos criterios, si las prestaciones son equivalentes y si faltan condiciones importantes.
Esa revisión puede implicar consultar documentos originales, recalcular importes, comprobar fechas o preguntar a una persona con conocimiento del asunto.
El material de Claude Academy sobre cómo obtener mejores resultados propone una práctica especialmente interesante: probar la IA con trabajos anteriores cuyo resultado ya conocemos. Si queremos utilizarla para analizar datos, podemos reunir varios ejemplos, pedirle que reproduzca esos análisis y comparar lo obtenido con los resultados correctos.
La idea es sencilla: en lugar de confiar porque una respuesta parece buena, construimos confianza mediante comprobaciones.
Esto no elimina los errores futuros, pero permite identificar qué tareas funcionan, qué contexto falta y en cuáles sigue siendo necesaria una revisión más intensa.
Diligencia: utilizar la IA sin perder la responsabilidad
La cuarta dimensión recuerda algo fundamental: aunque la IA participe en el trabajo, la responsabilidad de utilizarlo no desaparece.
En una organización, la diligencia tiene consecuencias concretas. No se deberían introducir datos personales o información confidencial en herramientas sin revisar antes las condiciones y las políticas aplicables. Tampoco conviene publicar contenido que no hemos verificado, ni permitir que un agente ejecute acciones sensibles sin permisos adecuados.
Ser diligente también implica transparencia cuando corresponde: explicar qué parte del trabajo ha contado con IA, qué comprobaciones se han realizado y quién ha validado el resultado.
No hace falta convertir una tarea cotidiana en un procedimiento burocrático. Sí conviene ajustar los controles al riesgo: un borrador interno no requiere la misma revisión que un presupuesto vinculante, una recomendación sanitaria o una decisión que afecta a un cliente.
La diligencia, bien entendida, no es un freno al uso de IA. Es lo que permite utilizarla de manera sostenible y con confianza razonable.
Las 4D funcionan en dos bucles, no como una lista de cuatro pasos
Hay un matiz del modelo original que merece destacarse. En sus materiales formativos, Claude Academy presenta las competencias como dos bucles conectados.
El bucle interior combina Descripción y Discernimiento. Explicamos qué necesitamos, evaluamos la respuesta, aportamos correcciones y volvemos a trabajar con la IA. Es el ciclo que reconocemos cuando refinamos una conversación o un documento.
El bucle exterior combina Delegación y Diligencia. Decidimos qué debemos encargar, hasta dónde puede intervenir la IA, qué controles hacen falta y si la experiencia obtenida cambia nuestra decisión de volver a delegar esa tarea.
Por eso no se trata de completar cuatro casillas y dar el trabajo por terminado. Las cuatro competencias se influyen entre sí.
Si durante la revisión descubrimos que la IA calcula mal un indicador, no basta con reescribir el prompt: quizá tengamos que cambiar qué parte del análisis estamos dispuestos a delegar. Y si detectamos datos que no deberíamos compartir, tendremos que modificar el modo de trabajar, aunque la calidad técnica de la respuesta fuera excelente.
Un ejemplo completo: preparar presupuestos con ayuda de IA
Pensemos en una pyme que dedica bastante tiempo a preparar primeros borradores de presupuestos. Es un ejemplo ilustrativo, no un caso implantado por ARCIORA.
La empresa quiere ahorrar tiempo, pero sin inventar precios, comprometer plazos ni enviar propuestas incorrectas.
| Competencia | Cómo se aplicaría |
|---|---|
| Delegación | La IA ordena los requisitos y redacta un borrador; la persona responsable valida precios, alcance y condiciones. |
| Descripción | Se facilitan notas, una plantilla y reglas: no completar datos desconocidos ni emitir una oferta definitiva. |
| Discernimiento | Se comparan importes, partidas y condiciones con las fuentes reales y se identifican omisiones. |
| Diligencia | Se protege la información del cliente, se documenta la revisión y no se envía nada sin autorización. |
Para valorar si el método funciona, podríamos empezar con cinco o diez presupuestos antiguos, comparar los borradores con las versiones realmente aprobadas y anotar errores, tiempo de corrección y aspectos que siguen necesitando intervención humana.
Esto no demuestra de antemano que vaya a ahorrar dinero. Permite descubrirlo con datos, antes de extender el procedimiento al resto de la empresa.
Además, una solución basada en plantillas y reglas sencillas podría resultar suficiente. La fluidez en IA también consiste en saber cuándo no utilizarla.
Cómo mejorar tu fluidez sin hacer un curso técnico
Podemos empezar con una sola tarea real que realizamos habitualmente. Antes de utilizar IA, decidimos qué parte queremos delegar y qué no. Durante el trabajo, aportamos contexto y comprobamos cada resultado importante. Al terminar, revisamos si la herramienta ha aportado valor y qué riesgos o errores hemos detectado.
Una forma práctica de evaluarlo consiste en responder cuatro preguntas:
- Delegación: ¿he elegido una tarea adecuada para esta herramienta?
- Descripción: ¿le he explicado lo suficiente para obtener un resultado útil?
- Discernimiento: ¿sé distinguir qué partes son fiables y cuáles debo comprobar?
- Diligencia: ¿he respetado los límites de información, permisos y responsabilidad?
Después hay una quinta pregunta, que no forma parte de las cuatro competencias originales, pero resulta útil para una empresa: ¿ha mejorado realmente el trabajo?
Para responderla hay que observar tiempo total, calidad, errores, supervisión y coste. La fluidez es una capacidad de colaboración, no una garantía automática de productividad o rentabilidad.
Una competencia más duradera que cualquier herramienta
Los modelos seguirán evolucionando. Cambiarán las interfaces, las funciones disponibles y el tipo de tareas que podemos delegar.
Sin embargo, la necesidad de definir objetivos, comunicar con claridad, evaluar resultados y actuar responsablemente seguirá presente. Ese es el principal valor del marco 4D: nos ayuda a desarrollar capacidades que no dependen de aprender un botón o un prompt de moda.
En ARCIORA nos interesa especialmente esta perspectiva. Entender la tecnología importa, pero saber utilizarla con criterio es lo que permite convertir sus posibilidades en trabajo útil.
En resumen
La fluidez en IA va más allá de saber utilizar un chatbot:
- Delegación: elegir qué debe hacer la IA y qué debe seguir bajo control humano.
- Descripción: explicar el objetivo, el contexto y los criterios de calidad.
- Discernimiento: contrastar los resultados y reconocer errores o límites.
- Diligencia: actuar con responsabilidad, transparencia y controles proporcionales.
Las cuatro dimensiones se refuerzan: describimos y revisamos durante el trabajo, mientras delegación y diligencia orientan las decisiones que lo rodean.
No se trata de pedirle más cosas a la inteligencia artificial, sino de aprender a trabajar mejor con ella.
