Saber cuándo usar IA en un producto se reduce a cuatro comprobaciones. Usa un modelo cuando la entrada sea realmente desordenada o variable, cuando un modelo supere a una regla más simple en un resultado que importa a los usuarios, cuando los errores sean baratos o fáciles de detectar y cuando puedas probarlo con ejemplos reales. Si alguna respuesta es no, empieza con una regla, una consulta o una persona.
Ideas clave
Las Rules of Machine Learning de Google empiezan con la Rule #1: no tengas miedo de lanzar un producto sin machine learning (Google).
El consejo de Anthropic para aplicaciones con LLM es buscar la solución más simple que funcione, lo que «puede significar no construir sistemas agénticos en absoluto» (Anthropic, 2024).
La confianza no está garantizada: el 46 % de los desarrolladores dice desconfiar de la precisión de las herramientas de IA y el 33 % confía en ella, y el 66 % se frustra con respuestas casi correctas pero no del todo (Stack Overflow, 2025).
La People + AI Guidebook de Google enumera casos en los que la IA probablemente no es mejor: cuando importa la previsibilidad, los errores son costosos o se requiere transparencia total (Google PAIR).
Escribe un brief de una página para la funcionalidad de IA antes del prompt: usuario, evidencia, límite, vía de fallo, evaluación y responsable.
¿Cuándo debe una funcionalidad de producto usar IA?
Empieza por el trabajo del usuario, no por el modelo. La IA tiende a ayudar cuando una tarea implica texto libre, imágenes, contexto incompleto o muchos casos ligeramente distintos que hoy una persona interpreta a mano, y cuando el resultado se puede comprobar con seguridad. Una regla estable puede ser más simple. Una decisión de alto riesgo puede requerir que una persona mantenga el control.
El equipo PAIR de Google, autor de la People + AI Guidebook, lo dice claramente: en muchos casos una solución más simple funciona igual de bien que una versión con IA, y es más fácil de construir, explicar, depurar y mantener. Su guía propone sustituir «¿Podemos usar IA para hacer X?» por «¿Cómo podríamos resolver X?» y preguntarse después si la IA lo resuelve de una forma única.
La guía enumera situaciones en las que la IA probablemente es mejor que las reglas:
recomendar contenido distinto a usuarios distintos
predecir eventos futuros, como los precios de los vuelos
una personalización que mejora la experiencia, como un termostato que aprende hábitos
comprensión del lenguaje natural
reconocer una clase general de cosas, como objetos en fotos
detectar eventos poco frecuentes que cambian con el tiempo, como el fraude
El mismo capítulo enumera dónde la IA probablemente no es mejor: mantener la previsibilidad (un botón de Cancelar debe quedarse donde está), información estática o limitada como un formulario de pago con tarjeta, minimizar errores costosos, la transparencia total, optimizar la velocidad y el bajo coste por encima de todo, y tareas que la gente dice que no quiere que se automaticen.
¿Cómo decides cuándo usar IA en un producto?
Para decidir cuándo usar IA en un producto, responde estas cuatro preguntas en orden con quien sea dueño del problema: un product manager, un fundador, un product engineer o la persona que le da el brief a un agente de programación con IA.
1. ¿Es el problema del usuario realmente variable?
Anota la entrada y la decisión que debe tomar la funcionalidad. Mira ejemplos reales del flujo de trabajo: solicitudes recientes de soporte, notas de entrevistas, formularios enviados u otras señales representativas.
Si la entrada está estructurada y la correspondencia es estable, empieza con una línea base determinista, como una regla, una consulta o un flujo de trabajo normal. Si las personas tienen que interpretar texto libre, imágenes o contexto incompleto, un modelo puede ayudar con la variabilidad.
Esto es un test, no una prohibición de la IA con datos estructurados. La Rule #3 de Zinkevich dice que elijas machine learning en lugar de una heurística compleja una vez que tienes datos, porque una heurística simple se lanza rápido, pero una compleja se vuelve inmantenible. La clave es nombrar qué aporta el modelo que un enfoque más simple no aporta.
2. ¿Mejora la IA el resultado frente a una opción más simple?
Nombra la mejora desde la perspectiva del usuario. Puede ser reducir la clasificación manual repetida, hacer que un gran conjunto de evidencia sea más fácil de revisar o permitir que un usuario describa una tarea en lenguaje natural. «Usa IA» no es un resultado.
Compara la funcionalidad propuesta con una alternativa realista: el flujo de trabajo actual, una versión basada en reglas o una persona haciendo la tarea. Anota los trade-offs de latencia, coste, previsibilidad, accesibilidad y mantenimiento. Anthropic señala que los sistemas agénticos suelen intercambiar latencia y coste por un mejor rendimiento en la tarea, y que las tareas bien definidas suelen estar mejor servidas por flujos de trabajo predecibles. Si la versión con IA no mejora un resultado significativo para el usuario, quédate con la versión más simple.
Zinkevich añade una advertencia sobre los datos: un modelo tomado prestado de otro problema y ajustado a tu producto probablemente rendirá peor que unas heurísticas básicas. Sin datos, normalmente todavía no hay modelo.
3. ¿Qué pasa cuando el modelo se equivoca?
Enumera los modos de fallo plausibles y lo que cada uno le cuesta al usuario. Un resumen en borrador que necesita edición conlleva un riesgo distinto al de un modelo que cambia permisos de acceso, calcula una factura o envía un mensaje en nombre de alguien.
Los casi aciertos son los caros. En la encuesta de Stack Overflow de 2025, la mayor frustración, citada por el 66 % de los desarrolladores, era la salida de IA que está casi bien, y el 45 % dijo que depurar código generado por IA lleva más tiempo. Una respuesta equivocada que parece correcta cuesta tiempo de revisión; una respuesta equivocada con total seguridad que nadie revisa cuesta confianza.
Elige el control según la consecuencia:
Mantén la salida como sugerencia cuando una persona pueda revisarla.
Muestra la evidencia o las entradas detrás de una recomendación cuando eso ayude al usuario a juzgar.
Ofrece una alternativa clara o una forma fácil de corregir el resultado.
Deriva a una persona los casos inciertos o con consecuencias.
Haz que las acciones automatizadas sean reversibles y registra lo que hizo el sistema.
Las Guidelines for Human-AI Interaction de Microsoft, validadas en un artículo de CHI 2019, cubren cómo debe comportarse un sistema en el primer uso, durante el uso habitual, con el tiempo y cuando inevitablemente se equivoca (Microsoft Research). Para decisiones de alto impacto también necesitas una revisión específica del dominio; una lista de comprobación genérica de IA no sustituye la revisión legal, de seguridad o de expertos en la materia. La guía sobre decisiones de IA con límites muestra cómo escribir el traspaso.
4. ¿Puede el equipo evaluarlo con ejemplos representativos?
Antes del lanzamiento, reúne ejemplos que reflejen las entradas esperadas, los casos límite importantes y las formas en que los usuarios formulan o combinan solicitudes. Etiqueta el resultado esperado o los criterios que usará un revisor. Compara el comportamiento de la IA con la línea base más simple en los mismos casos.
Define una puerta de lanzamiento antes de ver los resultados: qué errores son inaceptables, qué salidas necesitan revisión humana y qué calidad es suficiente para un despliegue limitado. Después del lanzamiento, haz seguimiento de correcciones, uso de la alternativa, reportes de fallos, latencia, coste y el resultado que la funcionalidad debía mejorar.
No existe un número universal de ejemplos que haga segura una funcionalidad. El conjunto debe ser lo bastante grande y variado para la decisión en cuestión, con sus carencias por escrito. El marco de evaluación de IA para equipos de producto explica paso a paso los conjuntos de datos, las rúbricas y los evaluadores.
¿IA, reglas o una persona: qué elegir?
Situación
Buena primera opción
Qué verificar
Entrada estable y una regla conocida y repetible
Regla o flujo de trabajo
La regla cubre casos reales y tiene un responsable claro
Existe una regla, pero ha crecido hasta tener decenas de excepciones
Modelo, una vez que tengas datos
El modelo supera a la regla en los mismos casos etiquetados
Entrada desordenada; una persona puede revisar un borrador útil
Asistencia con IA
Los usuarios pueden corregirlo, y el borrador ahorra trabajo sin ocultar sus fuentes
Un modelo puede realizar una acción limitada y reversible
Automatización acotada
Alcance, permisos, alternativa, registro y reversión están definidos
Tarea abierta, de varios pasos y con pasos impredecibles
Agente, si la latencia y el coste son aceptables
Cada paso es observable y una persona puede detener la ejecución
El problema del usuario o la evidencia de evaluación no están claros
Discovery o prototipo
Aprende de usuarios reales antes de comprometerte con la automatización en producción
Esta tabla enmarca la decisión; no la toma por el equipo. Una funcionalidad de IA debe tener un usuario con nombre, un trabajo real, una línea base más simple y una forma de detectar cuándo no funciona.
¿Debe la IA automatizar la tarea o aumentar a la persona?
La PAIR Guidebook traza una segunda línea que las cuatro preguntas no cubren: si la gente quiere siquiera que la tarea se haga por ellos. Sugiere automatizar las tareas difíciles, desagradables o que requieren escala, idealmente donde las personas que las hacen hoy coinciden en cuál es la respuesta correcta. Sugiere aumentar las tareas que la gente disfruta, que aportan capital social o en las que las personas discrepan sobre cómo es lo correcto.
Automatizar
Aumentar
La tarea se siente
Tediosa, repetitiva, de alto volumen
Creativa, de mucho criterio, valorada personalmente
Respuesta correcta
Acordada por quienes la hacen ahora
Discutida o personal
El éxito se ve como
Menos tiempo invertido, menos errores
Más control, mejor resultado, más confianza
Ejemplo en trabajo de producto
Deduplicar feedback, etiquetar tickets
Elegir qué construir, escribir el posicionamiento
Los equipos de producto tienden a automatizar en exceso la segunda columna. La priorización, el posicionamiento y la decisión final sobre una spec son tareas para aumentar. La lista de lo que los product managers nunca deberían delegar en la IA las repasa una por una.
Un ejemplo resuelto: organizar el feedback de clientes
Este es un flujo de trabajo ilustrativo, no un caso de cliente de Specky ni un resultado reportado. Digamos que un equipo de 5 personas recibe unas 400 piezas de feedback en texto libre al mes a través de soporte, llamadas de ventas y un widget dentro de la aplicación. Hoy una persona dedica unas 6 horas al mes a etiquetarlas, y el equipo quiere encontrar temas repetidos y decidir qué investigar a continuación.
Aplica las cuatro preguntas:
¿Variable? En parte. Alrededor del 70 % de los elementos menciona por su nombre un área conocida del producto, que una regla de palabras clave puede etiquetar. El resto describe problemas con las palabras del propio cliente.
¿Mejor que lo simple? Solo para el 30 % restante. Un modelo puede sugerir temas y adjuntar los extractos originales que los respaldan. Los recuentos exactos de las etiquetas conocidas siguen siendo consultas normales.
¿Coste de equivocarse? Bajo, si una persona revisa los temas sugeridos antes de que se conviertan en decisiones de roadmap y puede fusionarlos, renombrarlos o rechazarlos.
¿Evaluable? Sí. El equipo etiqueta a mano 100 elementos pasados y comprueba si los temas del modelo conservan diferencias importantes, como «la exportación es lenta» frente a «a la exportación le falta un formato».
El resultado es un híbrido: una regla para el 70 %, sugerencias de IA para el 30 % y una persona que decide qué importa. El modelo organiza el lenguaje ambiguo; no decide qué construye el equipo. Después, el equipo hace seguimiento del tiempo de revisión frente a la línea base de 6 horas y de con qué frecuencia los revisores corrigen un tema. Si las correcciones se mantienen por encima de, digamos, 1 de cada 4 tras un mes, vuelve al etiquetado manual para ese segmento. La plantilla de síntesis de entrevistas con clientes describe con más detalle el paso de revisión.
Brief de funcionalidad de IA para copiar
Usa este breve brief antes de escribir un prompt o de pasar trabajo a un agente de programación con IA:
Usuario y trabajo: ¿quién intenta hacer qué?
Evidencia: ¿qué ejemplos reales muestran que este problema ocurre?
Tarea para la IA: ¿qué entrada recibe el modelo y qué salida puede devolver?
Por qué IA: ¿qué mejora el modelo frente a la línea base útil más simple?
Límite: ¿qué no debe decidir ni hacer nunca el modelo?
Vía de fallo: ¿cómo notará el usuario un resultado equivocado, lo corregirá o se recuperará?
Evaluación: ¿qué ejemplos y casos límite usarán los revisores?
Puerta de lanzamiento: ¿qué debe cumplirse antes del despliegue y qué provoca una pausa?
Medida de éxito: ¿qué resultado del usuario debe mejorar y qué trade-offs se seguirán?
Responsable: ¿quién revisa la funcionalidad después de lanzarla?
Para quienes construyen con herramientas de programación con IA, mantén el problema del usuario y el comportamiento separados de las decisiones de implementación. El Spec Kit de GitHub, por ejemplo, lleva una especificación de funcionalidad a través de la planificación y la implementación, e incluye un proceso para decidir si una idea merece siquiera una inversión (GitHub Spec Kit). Una spec facilita revisar la intención; no demuestra que el código generado o la salida del modelo sean correctos. La guía del PRD cubre el resto del documento.
Errores comunes al decidir usar IA
Partir de la tecnología. Las entrevistas de RAND con 65 profesionales de la IA señalaron centrarse en la última tecnología en lugar de en problemas reales de los usuarios como una de las cinco causas raíz del fracaso de los proyectos de IA (RAND, 2024). Nuestro análisis de por qué la cifra del 95 % sobre pilotos de IA es engañosa cubre el resto.
Saltarse la línea base. Si nadie cronometró el proceso manual, nadie puede decir que la versión con IA es mejor.
Tratar ejemplos sintéticos como prueba. Los casos de prueba generados amplían la cobertura; no demuestran que los usuarios reales se beneficiarán.
Ocultar la incertidumbre. Una respuesta segura y sin fuentes enseña a los usuarios a confiar de más o a ignorar la funcionalidad.
Sin plan de salida. Toda funcionalidad de IA necesita un responsable con nombre y una condición bajo la cual se revierte a la versión más simple.
Incluso un buen test tiene límites. Algunas funcionalidades parecen marginales en un piloto y solo se vuelven valiosas cuando el uso acumula los datos que un modelo necesita, el patrón que describe la Rule #3 de Zinkevich. Anótalo como motivo para volver a revisarlo, no como motivo para lanzar ahora.
¿Cómo gestionas el riesgo de una funcionalidad de IA después del lanzamiento?
La decisión de usar IA no termina cuando la funcionalidad supera una evaluación previa al lanzamiento. Las entradas, el comportamiento de los usuarios, los modelos y el flujo de trabajo que los rodea cambian. Asigna a alguien la responsabilidad de revisar la calidad y los errores tras el lanzamiento, y revisa de nuevo la línea base más simple cuando la funcionalidad cambie o la evidencia ya no respalde su valor.
El NIST AI Risk Management Framework, publicado el 26 de enero de 2023 y pensado para uso voluntario, ayuda a los equipos a organizar las preguntas de confiabilidad a lo largo del diseño, el desarrollo, el uso y la evaluación (NIST). NIST añadió un perfil de IA generativa, NIST-AI-600-1, el 26 de julio de 2024. Ninguno de los dos certifica una funcionalidad ni sustituye la evaluación específica del producto.
Dónde encaja Specky
El brief anterior depende de la evidencia: ejemplos reales, una línea base y un registro de por qué el equipo eligió IA. Specky lee llamadas de clientes, feedback, Slack, Jira y analítica en un Product Graph y redacta specs con esa evidencia citada en línea, de modo que el motivo para usar un modelo viaja con la spec. Puedes empezar sin él: el generador de PRD gratuito convierte el brief en un primer borrador.
Preguntas frecuentes
¿Cuándo debe una funcionalidad de producto usar IA?
La regla corta para saber cuándo usar IA en un producto: úsala cuando la tarea tenga una variabilidad real, como texto libre o imágenes, cuando un modelo supere a una línea base más simple en un resultado del usuario, cuando los errores sean baratos o revisables y cuando puedas probarlo con ejemplos representativos. Usa un flujo de trabajo determinista cuando la lógica sea estable y más fácil de explicar o mantener.
¿Cuándo no debes usar IA en un producto?
Evita la IA donde la previsibilidad importa más, donde la información es estática, donde los errores son muy costosos, donde se requiere transparencia total o donde los usuarios dicen que no quieren que la tarea se automatice. La People + AI Guidebook de Google enumera estos casos, y sus Rules of Machine Learning recomiendan lanzar sin machine learning cuando faltan datos.
¿Cómo evalúan los equipos de producto una funcionalidad de IA?
Usa ejemplos representativos, define los criterios de revisión antes de probar, compara el modelo con el flujo de trabajo actual o basado en reglas y comprueba los casos límite importantes. Después del lanzamiento, monitoriza correcciones, fallos, latencia, coste y el resultado del usuario. Mantén los casos de alto riesgo bajo revisión humana hasta que la evidencia respalde más automatización.
¿Debe un agente de programación con IA decidir si una funcionalidad necesita IA?
No. Un agente de programación puede ayudar a explorar opciones o a redactar un plan de implementación, pero el equipo de producto debe ser dueño del problema del usuario, la evidencia, los límites de riesgo y la decisión de lanzamiento. Dale al agente un brief con esas decisiones ya tomadas, para que implemente el comportamiento acordado en lugar de inventar uno.
¿Y si todavía no hay suficientes datos reales?
Trata la falta de evidencia como una tarea de discovery. Entrevista a usuarios, observa el flujo de trabajo actual o prototipa la experiencia con límites claros. No presentes ejemplos sintéticos como prueba de que la funcionalidad funcionará para usuarios reales. Lanzar con una regla simple y recopilar datos suele ser el camino más rápido hacia un modelo útil.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing