En el primer episodio de DÍA UNO SHOW, Jordi y David empiezan por una pregunta incómoda: ¿qué ocurre cuando una empresa mete inteligencia artificial en un proceso que nadie ha ordenado? La conversación pasa por Duolingo, Klarna, los copilotos, los agentes, la privacidad, la mejora continua y el trabajo que viene. La idea que une todo el episodio es sencilla: la IA puede multiplicar la capacidad de una empresa, pero también puede multiplicar su desorden.
La tesis del episodio: una empresa no se vuelve más escalable por comprar el modelo más potente. Se vuelve más capaz cuando entiende sus procesos, decide qué debe hacer una persona y qué puede hacer una máquina, mide el resultado y convierte cada aprendizaje en una mejora del sistema.
Esta página es un artículo editorial basado en la transcripción íntegra descargada de TranscriptAPI para el vídeo oficial. No reproduce la transcripción completa: organiza sus ideas, conserva sus ejemplos y enlaza cada bloque con el momento de la conversación para que puedas comprobarlo en el vídeo.
Ver EP1 en YouTube → · Vídeo: IQ014BL4qsU · idioma detectado: asr-es
La conversación empieza antes de la herramienta
Jordi y David se presentan desde dos recorridos distintos. David cuenta su paso por el Ejército de Tierra, la OTAN, Amazon y diferentes operaciones; Jordi explica cómo pasó de dar formación sobre ChatGPT a construir soluciones de IA y agentes para empresas. No es una introducción decorativa. Es la explicación de por qué DÍA UNO mezcla dos preguntas que suelen aparecer separadas: ¿cómo se organiza el trabajo? y ¿qué parte puede ejecutar la IA?
La conversación vuelve varias veces a una experiencia compartida: es posible instalar una solución técnica que funcione en una demostración y, aun así, no resolver el problema real. Si el proceso anterior está mal definido, el agente no recibe una operación estable; recibe excepciones, datos incompletos, objetivos contradictorios y decisiones que vivían en la cabeza de una persona.
Por eso presentan DÍA UNO como un servicio que acompaña a las empresas a implementar inteligencia artificial sin descuidar la organización. El objetivo no es usar IA por estar de moda. Es ganar capacidad para crecer: vender mejor, operar con menos fricción, liberar tiempo y tomar decisiones con una visión más completa.
La calculadora científica: una metáfora para no confundir potencia con capacidad
En uno de los primeros momentos fuertes del episodio aparece una calculadora científica. Tener teclas para logaritmos, senos o tangentes no sirve si no sabes qué problema estás resolviendo ni cómo interpretar el resultado. La comparación se aplica a la IA: una empresa puede tener acceso a modelos impresionantes y seguir sin saber qué datos necesita, qué significa terminar una tarea o qué resultado debería medir.
Esta metáfora permite distinguir dos decisiones que suelen mezclarse:
- Elegir una capacidad: qué modelo, copiloto, automatización o agente puede ayudar en una tarea concreta.
- Diseñar la operación: qué ocurre antes y después, quién decide, qué información entra, qué salida es válida y cómo se corrige un fallo.
La primera decisión es visible y fácil de enseñar. La segunda es menos sexy, pero es la que determina si la herramienta crea capacidad o solo acelera el caos.
Por qué algunas empresas reculan después de anunciar IA
El episodio analiza dos casos conocidos desde la conversación de los participantes. No los presenta como una investigación externa cerrada, sino como ejemplos de una tensión: anunciar una estrategia “AI first” puede generar expectativas más rápidas que la capacidad real de los procesos y del producto para sostenerla.
En el caso de Duolingo, comentan la reacción de usuarios después de comunicar una apuesta muy agresiva por la IA y cómo la empresa matizó el mensaje para explicar que la inteligencia artificial debía potenciar a las personas, no plantearse simplemente como sustitución. En el caso de Klarna, hablan de un sistema que resolvía bien solicitudes sencillas de atención al cliente, pero encontraba límites cuando la conversación requería contexto y complejidad. La lección que extraen no es “no uses IA”, sino “no confundas automatizar una parte con automatizar la relación completa”.
La palabra que aparece para describir esa alternativa es organización híbrida: personas y sistemas de IA trabajan dentro de una misma operación, con una frontera clara sobre qué decisiones puede tomar cada uno. Un agente puede preparar, clasificar, redactar o ejecutar una tarea repetitiva. Una persona puede conservar el criterio, la relación, la excepción y la responsabilidad que no conviene delegar todavía.
“No somos IA first; somos capaces de tener una organización que combine la IA, pero también los procesos con personas.”
El valor de esta idea no está en la etiqueta. Está en diseñar un reparto de trabajo que la gente entienda, pueda revisar y pueda mejorar con el tiempo.
La inteligencia como ciclo: datos, análisis, decisión, acción y aprendizaje
David propone recuperar una definición operacional de inteligencia: primero se capturan datos; después se analizan según la misión, los valores y las necesidades de la empresa; con ese análisis se toman decisiones y se generan acciones; finalmente, la organización aprende. Si se pierde el aprendizaje, el sistema vuelve a tropezar con el mismo problema.
Esta parte conecta con la mejora continua y con la idea de que un estándar solo sirve si evita volver atrás. La metáfora de la rueda es clara: una empresa sube una cuesta de mejora, se cansa y necesita una cuña que impida que la rueda vuelva al punto inicial. Esa cuña son los estándares, los procedimientos y las lecciones aprendidas convertidas en una forma concreta de trabajar.
El proceso no se puede automatizar antes de existir
Uno de los problemas que más se repite en la conversación es la petición “automatiza esto” sin que exista un proceso escrito, compartido o medido. El equipo puede tener una idea aproximada, un correo antiguo o una costumbre individual, pero no un flujo que otra persona o una máquina pueda ejecutar de forma consistente.
Jordi cuenta que ha visto empresas grandes pedir una automatización para una operación que nadie había definido. Si cada comercial llama de una manera, cada responsable guarda la información en un sitio y nadie sabe qué significa “terminado”, no hay una base estable sobre la que poner un agente. Hay que descubrir primero el trabajo real, comparar las variantes y construir una versión inicial con lo mejor de la inteligencia colectiva del equipo.
- Observar antes de escribir: preguntar a las personas qué hacen hoy, no qué creen que deberían hacer.
- Reunir lo mejor de cada variante: las buenas prácticas suelen estar repartidas entre varias personas.
- Definir el resultado correcto: qué entrada inicia el proceso, qué pasos son necesarios y qué salida permite continuar.
- Asignar responsabilidad: cada paso debe tener una persona, sistema o agente responsable.
- Medir el impacto: un proceso no mejora porque exista; mejora cuando cambia una métrica que importa.
La conversación incluye un ejemplo sencillo: si una empresa quiere facturar una cantidad concreta, necesita saber cuántas llamadas, oportunidades y cierres hacen falta. Sin esa relación entre actividad y resultado, no puede prever, mejorar ni automatizar con criterio.
Medir también es explicar por qué existe el proceso
Un procedimiento impuesto sin contexto suele ser ignorado. Si a alguien se le dice que ahora debe hacer más pasos, pero nadie le explica que el objetivo es mejorar la conversión, reducir retrabajo o proteger al cliente, el proceso se percibe como burocracia. Además, si el incentivo sigue premiando solo la velocidad o el número de ventas, el sistema está pidiendo dos cosas incompatibles.
Por eso los participantes hablan de comunicar el “por qué”, involucrar a los departamentos que reciben y entregan el trabajo y revisar el proceso con las personas que lo ejecutan. Una SOP no es un documento que se publica y se abandona: es una hipótesis operativa que debe comprobarse en la práctica.
También aparece una aplicación concreta de IA: si una llamada de ventas tiene un blueprint claro y una transcripción, un sistema puede analizar qué ocurrió, comparar el resultado con el estándar y devolver feedback. No reemplaza el liderazgo; descarga la revisión repetitiva y permite que la persona mejore con información más específica.
La privacidad: control de herramientas, datos y modelos locales
La preocupación por la fuga de información aparece como una barrera razonable. El episodio describe empresas en las que una persona usa Gemini, otra Claude, otra NotebookLM y otra una cuenta personal de ChatGPT, sin una política común. En ese contexto, no basta con decir “la IA es segura”: la empresa debe saber qué datos se comparten, con qué permisos y con qué proveedor.
La conversación presenta los modelos locales como una opción para ciertos casos: una máquina dentro de la empresa ejecuta un modelo abierto y los datos no tienen que salir a un servicio externo. También reconoce los límites: hay que comprar y mantener hardware, elegir un modelo que sirva para el trabajo y gestionar su capacidad cuando aumenta el volumen. No se presenta como una solución universal, sino como una alternativa dentro del mapa de riesgo y coste.
La recomendación más general es anterior a la tecnología: establecer normas de uso, centralizar el conocimiento permitido y dar a las personas herramientas que puedan usar de forma trazable. El problema no es que un empleado utilice IA; el problema es no saber cómo la utiliza la organización.
La persona que trabaja con IA puede ser más difícil de sustituir
La conversación no evita el conflicto laboral. Se pregunta qué ocurre cuando una persona graba o documenta su trabajo para entrenar el sistema que podría ejecutar parte de ese trabajo en el futuro. Esa tensión tiene una dimensión ética para la empresa y para el trabajador, y no se resuelve con una frase optimista.
La propuesta de los participantes es pensar en capacidad, no solo en recortes. Una persona puede dejar tareas repetitivas y pasar a resolver excepciones, hablar con clientes, mejorar el proceso o coordinar agentes. Si la IA se vuelve una capacidad disponible para todos, la diferencia competitiva pasa a ser cómo trabajan las personas con ella y cómo la organización convierte ese uso en aprendizaje.
El episodio termina imaginando un nuevo perfil: profesionales expertos que entran en una empresa durante un tiempo, entrenan agentes y dejan ese conocimiento instalado en el sistema. La persona no desaparece de la operación; cambia de lugar y aumenta el alcance de su experiencia.
Qué puedes llevarte del EP1 a tu empresa
El primer episodio no propone una receta técnica. Propone una secuencia de preguntas para no comprar una solución antes de entender el trabajo:
- ¿Qué resultado queremos mejorar? No empieces por el modelo; empieza por una métrica o una decisión importante.
- ¿Cómo se hace hoy de verdad? Observa el proceso, incluidos los atajos, las esperas y las excepciones.
- ¿Qué parte aporta valor? Separa lo que mejora al cliente, lo que protege al negocio y lo que solo consume tiempo.
- ¿Qué debe permanecer humano? Relación, criterio, responsabilidad y casos ambiguos suelen necesitar otra capa de control.
- ¿Qué evidencia demostraría que funciona? Define la condición de éxito y revisa los fallos antes de escalar.
La conversación acaba con una idea que da nombre al programa: estamos en el día uno de una nueva revolución industrial. El episodio no dice que el futuro esté resuelto. Dice que las empresas que aprendan a ordenar, medir y trabajar con agentes tendrán más opciones que las que se limiten a perseguir el siguiente anuncio de un modelo.
Ficha verificable del episodio
| Dato | Valor comprobado |
|---|---|
| Vídeo | IQ014BL4qsU · YouTube |
| Título recibido | Empresas reculando con la IA, Que es DIA UNO y Organizaciones Híbridas |
| Canal | DIA UNO SHOW |
| Publicación | 6 de julio de 2026 (metadata pública de YouTube) |
| Fuente del texto | Transcripción real de TranscriptAPI, con timestamps, sin publicar el texto íntegro |
Escucha el episodio completo
El artículo sirve como mapa; la conversación completa conserva los matices, las dudas y los ejemplos que no caben en una guía. Puedes escucharla en YouTube y seguir la serie desde DÍA UNO Academy.