Cuándo no conviene generar con IA

Casi siempre te das cuenta de cuándo no conviene generar con IA después de haberle dedicado medio día. La lista de estas tareas es corta, y conocerla de antemano vale más que aprender diez trucos nuevos de prompts.

Mostrar el producto tal como es

Si necesitas una foto honesta de tu propio artículo, gana la foto real. Veinte minutos junto a una ventana bastan; ya escribí sobre cómo armar una sesión en casa sin estudio.

Aquí la generación tiene sentido como retoque final sobre una foto real, no como sustituto de tomarla.

Texto dentro de una maqueta

Títulos, tablas, precios, tablas de tallas. Los números salen mal, los textos en alfabetos no latinos salen peor todavía, y revisar el resultado tarda más que escribirlo directamente.

Un editor de maquetación hace esto en minutos y sin errores.

Un diagrama con conexiones reales

Diagramas de flujo, estructuras, mapas de procesos. El modelo dibuja algo que se parece a un diagrama, no tu lógica real. Más detalles acá.

El funcionamiento de tu producto

Cómo se abre la tapa, cómo se pliega la silla, dónde encaja una pieza. El modelo no tiene idea, y va a inventar algo que no corresponde.

Cuando el volumen es bajo

Una imagen al mes no justifica el tiempo que lleva aprender bien la herramienta. Encargar la foto o tomarla uno mismo es más simple.

La generación empieza a ganar cuando produces en volumen, y la diferencia crece cuanto más generas.

Cuando se necesita criterio de experto

Qué le importa al comprador, qué objeción hay que resolver, qué te distingue de la competencia en los resultados de búsqueda. Eso lo decide alguien que conoce el mercado de verdad.

El modelo te va a dar una imagen. No te va a decir cuál imagen necesitas.

Cuando un error tiene consecuencias reales

Dispositivos médicos, productos alimenticios, cualquier caso donde una diferencia entre la imagen y el producto real genere un problema más grande que una devolución.

El patrón detrás de todo esto

La regla que resume todo esto es simple: la generación funciona bien donde necesitas muchas variaciones de una escena armada alrededor de un objeto claro.

Funciona mal donde hay una sola respuesta correcta.

Si una tarea tiene un único resultado válido y ya sabes cómo se ve ese resultado, hazlo directamente.

Vi a un equipo generar tablas de especificaciones y después revisar cada número a mano. Eso tardó el doble que armar la tabla en un editor desde el principio, y nadie se dio cuenta durante meses.

Un detalle: cuando lo señalé, resultó que al equipo le gustaba ese proceso. No insistí más con el tema.

Preguntas frecuentes

¿Dónde pierde la generación con IA frente a las alternativas? Al mostrar el producto de forma honesta, en texto dentro de una maqueta, en diagramas con conexiones reales y al demostrar cómo funciona un producto.

¿Por qué no conviene generar tablas y números? Porque los números salen mal, y revisarlos después tarda más que armar la tabla en un editor desde el inicio.

¿A partir de qué volumen conviene generar? A escala. Una imagen al mes no cubre el tiempo que lleva aprender la herramienta.

¿Existe una regla general? La generación funciona bien donde necesitas muchas variaciones de una escena, y mal donde hay una sola respuesta correcta.

¿Cómo sé que una tarea no es apta para generación? Si tiene una sola respuesta correcta y ya la conoces, hazla directamente. No hay nada que variar.

¿Por qué no conviene generar con poco volumen? Porque el tiempo de aprender la herramienta nunca se recupera. Con diez imágenes al mes, es más fácil encargar la foto o tomarla uno mismo.

Fuentes

1. Flami: fotografía en casa sin estudio
2. Flami: diagramas con IA
3. Flami: generación con IA o diseñador