Tomar decisiones estratégicas —a quién contratar, qué proveedor elegir, qué proyecto priorizar— se ha vuelto cada vez más complejo. Las empresas manejan más datos, más opciones y más presión por acertar rápido. En ese contexto, la inteligencia artificial (IA) empieza a ocupar un lugar concreto: no como sustituto del criterio humano, sino como una herramienta para ordenar información, comparar alternativas y anticipar impactos.
El uso de modelos de lenguaje como ChatGPT para elaborar matrices de pros y contras se está consolidando como una práctica habitual en despachos de dirección, equipos de producto y departamentos de recursos humanos. La promesa es clara: menos decisiones tomadas “por intuición” y más decisiones apoyadas en análisis estructurado.
—
### 1. Para qué sirve: “pros y contras para decidir”
La tarea básica consiste en pedir a la IA que compare opciones y devuelva, de forma estructurada:
– **Pros**: beneficios, ventajas competitivas, oportunidades potenciales.
– **Contras**: riesgos, costes, limitaciones, dependencias.
– **Impacto en tiempo y dinero**: estimaciones de coste o beneficio en distintos horizontes (3, 6, 12 meses, por ejemplo).
Este enfoque es especialmente útil en tres tipos de decisiones:
– **Contratación**
– Freelance vs empleado a tiempo completo.
– Perfil junior vs senior.
– Equipo interno vs agencia externa.
La IA puede ayudar a desglosar no solo el coste salarial, sino también la flexibilidad, la curva de aprendizaje, la retención del conocimiento y el impacto en la cultura de la empresa.
– **Selección de herramientas o proveedores**
– Plataformas de software (CRM, ERP, herramientas de marketing).
– Proveedores logísticos, de IT o de servicios profesionales.
Aquí la IA puede comparar funcionalidades, modelos de precios, riesgos de dependencia tecnológica, facilidad de integración y soporte.
– **Elección de estrategias**
– Invertir en marketing vs producto vs formación interna.
– Entrar en un nuevo mercado vs consolidar el actual.
– Automatizar procesos vs contratar más personal.
La IA puede ayudar a ordenar los impactos esperados en facturación, plazos, carga de trabajo y riesgos operativos.
El valor no está en que el sistema “decida por ti”, sino en que actúe como un **analista estructurador del problema**. En lugar de partir de una hoja en blanco, el responsable de la decisión recibe un mapa preliminar de opciones y consecuencias, sobre el que luego aplica su conocimiento del contexto, su experiencia y su criterio ético.
Varios expertos en gestión de decisiones coinciden en que, usada así, la IA reduce el sesgo de “visión de túnel”: obliga a explicitar alternativas, a nombrar riesgos y a considerar horizontes temporales que muchas veces se pasan por alto en la discusión interna.
—
### 2. Qué herramienta usar y en qué contexto
No todas las herramientas de IA sirven para lo mismo ni ofrecen el mismo nivel de precisión. En la práctica, se están consolidando dos grandes modelos de uso:
#### a) Modelos generales (ChatGPT y similares)
Son asistentes conversacionales entrenados con información amplia, sin acceso directo a los datos internos de la empresa. Son especialmente útiles para:
– Decisiones de negocio en fases tempranas (pymes, autónomos, startups).
– Comparaciones conceptuales (modelos de contratación, tipos de estrategia, enfoques de pricing).
– Decisiones personales o profesionales (cambio de carrera, formación, organización del tiempo).
Ventajas:
– No requieren configuración técnica.
– Son rápidos y accesibles desde cualquier dispositivo.
– Ayudan a “pensar en voz alta” y a estructurar ideas dispersas.
Limitaciones:
– No conocen la realidad específica de tu empresa (salarios exactos, costes internos, márgenes).
– Sus estimaciones de costes y tiempos son genéricas y deben contrastarse con datos reales.
– Pueden reflejar sesgos presentes en los datos con los que fueron entrenados.
#### b) Asistentes con conocimiento interno
Son sistemas integrados con bases de datos y documentos de la propia organización: salarios, tarifas de proveedores, históricos de proyectos, contratos, políticas internas, etc. Su implantación suele requerir la intervención de equipos de IT y de legal.
Ventajas:
– Pueden ofrecer comparaciones ajustadas a la realidad económica y operativa de la empresa.
– Permiten simular escenarios: “¿qué pasa si subimos un 10 % el presupuesto de marketing?” con datos históricos reales.
– Reducen el trabajo manual de recopilar y cruzar información dispersa.
Riesgos y precauciones:
– **Privacidad y seguridad**: si se manejan sueldos, contratos o datos de clientes, es crítico definir quién puede acceder a qué, y bajo qué condiciones.
– **Gobernanza del dato**: sin políticas claras, existe riesgo de decisiones basadas en información desactualizada o incompleta.
– **Transparencia**: los responsables deben entender de dónde salen las cifras y qué supuestos se han aplicado.
En ambos casos, los especialistas recomiendan mantener una regla básica: la IA puede proponer escenarios y métricas, pero la validación de datos sensibles y la decisión final deben seguir siendo humanas.
—
### 3. Cómo hacer el prompt: del borrador a la herramienta de análisis
La calidad del análisis que ofrece la IA depende en gran medida de cómo se formula la petición inicial, el llamado *prompt*. Para un ejercicio de “pros y contras para decidir”, conviene incluir al menos cuatro elementos:
1. **Contexto**
– Sector (tecnología, retail, servicios profesionales, industria, etc.).
– Tamaño de empresa (autónomo, pyme, corporación).
– País o región, ya que condiciona salarios, impuestos y normativa.
– Nivel de madurez del proyecto (idea, piloto, fase de escalado).
2. **Opciones a comparar**
– Dos o tres alternativas bien definidas.
– Por ejemplo: “contratar un desarrollador freelance”, “contratar un desarrollador junior en plantilla”, “contratar una agencia externa”.
3. **Horizonte temporal**
– Costes y beneficios a 3, 6 y 12 meses.
– En decisiones estratégicas, puede ser útil añadir 24 o 36 meses para ver efectos a medio plazo (retorno de inversión, dependencia de proveedores, etc.).
4. **Formato de salida**
– Tablas comparativas, si se quiere una visión rápida.
– Listas de pros y contras por opción, si se busca más detalle.
– Escenarios (“conservador”, “probable”, “agresivo”) para explorar rangos de riesgo.
Un ejemplo básico de prompt podría ser:
> “Lista 3 escenarios: contratar freelance vs empleado a tiempo completo; incluye pros, contras y coste a 6 meses.”
Sin embargo, los analistas recomiendan ir un paso más allá y añadir detalles clave:
– Tipo de rol (desarrollador backend, responsable de marketing, administrativo, etc.).
– Rango salarial o presupuestario disponible.
– País o ciudad, por las diferencias de coste y legislación laboral.
– Volumen de trabajo esperado (horas semanales, duración estimada del proyecto).
– Necesidad de disponibilidad inmediata o flexibilidad horaria.
Un prompt mejorado podría ser:
> “Soy una pyme tecnológica en España. Necesito cubrir un rol de desarrollador backend para un proyecto de 6 meses, con posibilidad de continuidad. Compara tres opciones:
> 1) Freelance a tiempo parcial (20 h/semana),
> 2) Empleado junior a tiempo completo,
> 3) Empleado senior a tiempo completo.
> Para cada opción, detalla pros, contras y una estimación de coste total a 6 y 12 meses. Presenta la información en una tabla y añade un breve comentario sobre riesgos a largo plazo (retención, dependencia, calidad del código).”
Cuanto más específico sea el contexto, más útil y accionable será el análisis. Aun así, los expertos insisten en un punto: las cifras deben verse como **órdenes de magnitud** y no como presupuestos cerrados. La IA ayuda a acotar el problema, pero no sustituye la negociación ni el contraste con el mercado real.
—
### 4. Más allá del ejemplo: ecosistema de herramientas especializadas
Aunque los modelos generales de IA son un buen punto de partida, está emergiendo un ecosistema de herramientas especializadas por tipo de tarea: análisis financiero, evaluación de candidatos, planificación de proyectos, entre otras.
Directorios como **There’s An AI For That** (theresanaiforthat.com) permiten explorar aplicaciones diseñadas específicamente para:
– Simular escenarios financieros.
– Optimizar plantillas y turnos.
– Priorizar carteras de proyectos.
– Evaluar riesgos de cumplimiento normativo.
La tendencia apunta hacia una integración progresiva: usar modelos generales para estructurar el problema y herramientas especializadas, conectadas a datos internos, para afinar los números y ejecutar la decisión.
En ese escenario, el papel de la persona que decide no desaparece; se transforma. Pasa de “intuir” la mejor opción a **orquestar un proceso de análisis asistido por IA**, donde los pros y contras ya no se discuten solo en la