Cómo se ve realmente la fluidez en IA —y cómo alcanzarla

David Rice: ¿Cuáles son los riesgos relacionados con la IA que los líderes están subestimando, simplemente porque, francamente, ahora es fácil para la gente entender cómo usarla?

Kenneth Corrêa: Creo que el mayor error que veo que cometen las empresas no es exactamente usar la herramienta en sí misma. En realidad, es compartir archivos privados y confidenciales. Alguien simplemente tuvo una idea, así que la persona usa su propio teléfono para subir una hoja de cálculo con los resultados financieros del trimestre, a la versión gratuita de ChatGPT.

David Rice: Mencionaste que tu propia empresa vio un aumento del 15% en la productividad y no aumentó la cantidad de empleados en absoluto. ¿Por qué dirías que más empresas no siguen ese ejemplo?

Kenneth Corrêa: La gente está enseñando y hablando de IA como si fuera esa tecnología de 70 años que aún necesita muchos datos y bases de datos y científicos de datos. Ahora la IA generativa, eso es algo fácil de usar, muy fácil de implementar, muy fácil de adivinar. Solo un 20% y un 40% de aumento en la productividad.

David Rice: ¿Cuáles son algunos de los inconvenientes que ves típicamente en organizaciones que buscan volverse fluentes en IA? ¿Cómo evitas resultados poco confiables y promesas excesivas?

Bienvenidos al Podcast Personas que Gestionan Personas, el programa donde ayudamos a los líderes a mantener el trabajo humano en la era de la IA. Soy su presentador, David Rice. En el episodio de hoy, me acompaña Kenneth Corrêa, educador global en IA, conferencista y autor del libro Organizaciones Cognitivas: Aprovechando todo el poder de la IA generativa y los agentes inteligentes.

En esta conversación, Kenneth traza un camino para que las empresas pasen de la curiosidad por la IA a una verdadera fluidez en IA. Desglosando qué significa eso, por qué la mayoría de los líderes aún están al margen y cómo evitar la trampa de Frankenstein de la sobrecarga de herramientas. Hablamos de la transición de la IA predictiva a la generativa, de lo que los líderes están haciendo mal con la implementación y de por qué el futuro del liderazgo de equipos podría parecerse más a la orquestación de flujos de trabajo que a la delegación de tareas.

Si estás intentando empoderar a tu gente en vez de reemplazarla, y quieres un enfoque más sólido a nivel de sistemas para la IA, este episodio es para ti. Así que sin más preámbulo, ¡vamos a ello!

Muy bien. ¡Bienvenido, Ken!

Kenneth Corrêa: Muy bien, muchas gracias, David. Es un placer estar aquí contigo.

David Rice: Sí, absolutamente. Así que estás en Brasil, ¿verdad?

Kenneth Corrêa: Sí, definitivamente en São Paulo, la ciudad más grande de Sudamérica.

David Rice: Vaya. Eso es genial. Tengo algunos colegas por esa zona. Siempre he querido visitar.

Kenneth Corrêa: Es una ciudad grande, no tan grande como Nueva York, pero es nuestro propio Nueva York aquí en el sur.

David Rice: Así que vamos a hablar de la fluidez en IA y del camino para llegar allí esencialmente, porque creo que muchos ya vamos por ese camino, pero no estamos muy seguros de cuáles son todos los pasos, ¿cierto? Y como, ¿cómo se mide la fluidez?

Kenneth Corrêa: Todavía estamos un poco construyendo las escaleras, así que habrá escalones que descubriremos a mitad de camino. ¿Verdad? El avión se está construyendo mientras vuela.

Esas son las metáforas que usamos hoy en día porque todo sucede tan rápido, ¿no?

David Rice: Totalmente. Creo que algo muy diferente en este tema es que, si piensas en la interfaz moderna de la IA, ha eliminado muchas barreras para la experimentación. Ya no tienes que ser científico informático para interactuar y probar lo que puede hacer.

Pensando en otros momentos de la historia, como cuando salió Excel, la gente tenía que tomar cursos inicialmente para saber cómo usar Excel. Ahora es casi conocimiento común. Cuando terminas la universidad ya tienes experiencia con Excel. Pero eso también llevó a mal uso de las hojas de cálculo, ¿no?

Conozco gente que tiene hojas de cálculo para registrar la cantidad de productos de limpieza que tienen en un armario. Pero me pregunto, ¿cuáles son los riesgos y cuándo volvemos a la IA, que los líderes quizás subestiman la complejidad del uso de la IA a nivel organizativo, simplemente porque ahora es fácil para la gente entender cómo usarla?

Kenneth Corrêa: Como apuntar y hacer clic, o incluso empezar a hablar con la herramienta y te responderá en lenguaje natural.

Sí, pero de nuevo, me gusta mucho cómo lo planteaste porque yo lo habría presentado como una característica, pero quizás estés anotando dónde podría ser un defecto, ¿no? En el sentido de que la gente puede empezar de inmediato. Creo que tener una buena interfaz, facilitar la interacción, es increíble para lograr que la gente participe, pero el mayor error que veo en las empresas no es solo usar la herramienta, sino compartir archivos privados y confidenciales.

¿Cierto? Hablamos de información que debe permanecer secreta, que normalmente está protegida por cortafuegos, contraseñas y autenticaciones de usuario. Y ahora alguien simplemente tiene una idea, y quizás porque la empresa bloqueó el uso de ChatGPT, la persona usa su propio teléfono para cargar una hoja de cálculo con los resultados financieros del trimestre, a la versión gratuita de ChatGPT.

Creo que probablemente el mayor riesgo es que la información privada se difunda sin que el usuario siquiera lo sepa.

David Rice: ¿Hay formas de auditar cómo la gente está usando la IA o crear una lista de verificación de cumplimiento, algún tipo de marco para que los empleados entiendan cómo no se debe usar, y qué cosas has visto funcionar en ese ámbito?

Kenneth Corrêa: Sí, no veo ningún escenario de, vamos a revisar los prompts de las personas o leer sus conversaciones, no tenemos espacio para eso en 2025. Pero lo que intento hacer en mi propia empresa, y también para otras, es educación. Es el mismo problema con la ciberseguridad, ¿cierto?

No vamos a poder bloquear todo. Hay nuevas URLs y trucos que se usan para hackear cuentas y todo eso. Así que apostamos a educar a la gente sobre cómo usarlo, sobre los límites de la herramienta, sobre sus implicaciones. Sobre lo diferente que es usar la versión gratuita en tu teléfono particular en comparación con la versión corporativa que sí tiene límites.

Así, la información permanece dentro de esos límites. Así que creo que la educación debería ser el principal camino porque, por supuesto, no tenemos tiempo para revisar todas las respuestas. Algunas empresas sí intentan, cuando crean su propio asistente, por ejemplo, toman tecnología como GPT o Gemini, pero crean un asistente con el nombre de la empresa, así pueden poner barreras extra.

Y respecto a lo que se pregunta al asistente, pueden poner respuestas como: "No puedo ayudarte con eso". Por ejemplo, eso sería un tipo de respuesta; también pueden señalar información que no se permite compartir. Si la empresa crea su propio asistente, puede instalar esas barreras extras para tratar de evitar situaciones.

David Rice: Es interesante que mencionaras el ángulo de la ciberseguridad, la comparación allí.

Kenneth Corrêa: Normalmente, cuando hablamos de innovación, tratamos de conectar con lo que ya conocemos, ¿cierto David? Porque si hablo de algo totalmente nuevo y diferente, tendría que hacer que cambies tu mentalidad completamente desde cero. Y la gente nunca lo adoptará. Es una lección de los años sesenta. Un tipo llamado Raymond Lowy creó el concepto de Maya, "most advanced yet acceptable" (lo más avanzado posible dentro de lo aceptable). Así, cuando creas un producto nuevo, intentas que sea lo más avanzado posible, claro, con nuevas posibilidades y funciones, pero creando cierta familiaridad para que la persona se conecte y entienda. Estuve en San Francisco hace dos semanas y usé los autos Waymo. Si alguien me pregunta qué es un Waymo, yo les diría que es un Uber sin conductor. Así lo hago familiar. Puedes pedir un viaje por app, la diferencia es que no hay conductor. El resto es igual: pones tu tarjeta, pagas por la distancia, etc. Creo que crear ese tipo de familiaridad ayuda a que asimilemos información e ideas nuevas.

David Rice: Acaban de llegar los Waymo aquí a Atlanta y creo que no están listos para esta ciudad. Se quedan atascados.

Kenneth Corrêa: Se quedan atascados. Vi algunos incidentes en Los Ángeles, ¿no?

David Rice: Sí, cuando la gente los incendiaba, etcétera.

Kenneth Corrêa: Así es. No sé si el auto no está listo para la ciudad o la ciudad no está lista para el auto. Es una paradoja.

David Rice: Puede ser ambas. Los líderes quieren que los equipos hagan más. La productividad es el gran impulsor de todo esto, es lo que la mayoría busca con la IA, y están logrando resultados. Un 20% a 40% más de productividad es lo normal según algunos estudios, y creo que mencionaste antes que en tu empresa tuviste una mejora del 15% y no contrataste a más gente.

¿Por qué dirías que más empresas no lo hacen? ¿Falta de entendimiento? ¿Problema de alcance donde la IA se usa tanto que nadie la usa para lo mismo y genera confusión o diferencias de eficacia? ¿Cuál es el principal obstáculo, en tu opinión?

Kenneth Corrêa: Sí, parece increíble que las empresas no se sumen de inmediato porque lo hago en la mía y veo los resultados. Es como encontrar dinero sobre la mesa, así lo veo. Pero hay muchos factores.

El primero es que la gente sigue hablando de la IA como si fuera tecnología de hace 70 años, que requiere muchos datos, bases de datos y especialistas técnicos. Eso asusta mucho a quienes no son técnicos. Una responsabilidad es clarificar que la IA de antes de noviembre del 22 es distinta de lo que ha ocurrido en casi tres años. La IA clásica, predictiva, es increíble pero cara y lenta de implementar. En cambio, la IA generativa es fácil de usar, como mencionaste antes, tanto que la gente sube datos que no debería.

Muy fácil de implementar, muy fácil de obtener ese aumento del 20 al 40% en productividad, que equivale a un día menos de trabajo a la semana. Las empresas, los líderes, quienes toman decisiones, no la usan ellos mismos.

El primer consejo para tu audiencia, que doy a líderes de todo el mundo, es: tienes que probarla. Solo verás el valor cuando empieces a usar las apps: ChatGPT, DeepSeek, Gemini, Claude, puedes descargar la app y usarla para temas personales.

Por ejemplo, llegas a casa un domingo, no quieres cocinar pero tienes que comer. Puedes tomar una foto de tu nevera y preguntar qué puedes cocinar en cinco minutos con esos ingredientes. Y verás que la herramienta entiende la foto y te sugiere opciones. Eso generalmente te abre la cabeza. En Brasil lo llamamos el momento de "explotar la cabeza" de ideas y posibilidades. Y cuando vuelvas al trabajo y observes tus procesos, seguro que te vienen más ideas.

Y además, David, ahora es la primera vez que la tecnología puede enseñarte a usarla. Puedes decirle a ChatGPT: lidero un equipo de 14 personas, todos son vendedores, visitamos clientes en sus oficinas y quiero saber cómo ChatGPT me puede ayudar. Si le explicas la dinámica, la herramienta te dará buenas sugerencias adaptadas. Así que realmente, comenzar a usar las herramientas es uno de los pasos principales que las empresas aún no han dado; claro, en los medios todo es sobre miedo, riesgos, AGI, Skynet y cómo la IA destruirá todo.

No sé si leemos las noticias o un libro de ciencia ficción. Pero esa es una de las razones principales por las que las empresas no se han subido aún. Hay que entender que tiene limitaciones. Importante comprenderlas.

La herramienta alucina, puede generar contenido que no está basado en la realidad. Y eso es un gran peligro. Por eso recomiendo empezar con ChatGPT pero incorporar, por ejemplo, Perplexity, para obtener respuestas basadas en fuentes.

No hablamos de verdades absolutas, pero sí de cierta verificación. Así se puede madurar, aprender mejores prácticas, siempre y cuando te subas al tren.

David Rice: Exacto. Es interesante que menciones la sensación de inseguridad o de baja calificación técnica.

Investigaciones muestran que, por ejemplo, en operaciones de RRHH, a veces hay temor de no ser expertos, creen que la IA es solo soluciones predictivas. Otros han experimentado con IA generativa pero aún no confían. ¿Qué opinas sobre cómo los de RRHH pueden obtener valor con la IA generativa comparado con otros sectores? ¿En qué áreas ves más oportunidades?

Kenneth Corrêa: Genial. Voy a esto directo, pero antes, ¿sabes por qué la gente de RRHH teme usar IA generativa?

David Rice: ¿Por qué?

Kenneth Corrêa: En 2016 salió un paper y los medios empezaron a hablar del sesgo algorítmico. Porque había empresas usando IA predictiva para filtrar currículos, y observaron que, por los datos, la IA solo seleccionaba hombres en IT. Como herramienta predictiva, predijo que solo los hombres eran aptos para IT. Horrible, pero la IA no tiene ética ni moral, solo usa los datos que se le dan. Es un problema real, aún sin una solución al 100%. Hay pasos importantes hacia una IA responsable. Pero muchos en RRHH se quedaron con la palabra IA asociada a: "¡Hay sesgo!". Si uso ChatGPT, habrá sesgo. Y claro, todo humano tiene sesgo, la IA entrenada con datos humanos también. Solo quería mencionar esa razón del rechazo en RRHH.

He hablado en dos eventos grandes en Brasil, unos 3000 de RRHH, mostrando casos de uso de IA. Uno fue un caso de estudio con una empresa de soluciones, porque mi empresa tiene 95 personas y usamos IA para evaluar y recopilar feedback 360: desempeño, cómo se sienten, cómo los tratan sus jefes. 95 personas evaluando a 95 personas: 95x95=9000 piezas de contenido para analizar. Es imposible a mano. Si lo empezamos en enero, llevaríamos medio año. Pero hay que dar feedback pronto. Lo que hicimos fue usar Gemini, que tiene una ventana de contexto de 2 millones de tokens, así que puedes cargar las 9000 respuestas. Ahora usamos eso para analizar patrones, detectar atípicos y pedir a Gemini que nos resalte los temas más urgentes. Así, quienes no dominan Excel o fórmulas pueden apoyarse en Gemini para organizar y analizar datos. Es algo que hemos hecho en RRHH y recomiendo mucho.

Otro ejemplo, en el flujo de trabajo de RRHH: primero hay una descripción del puesto, luego currículos y luego el proceso de selección. Hay que evitar los sesgos mencionados. Aun así, si creas un prompt con la descripción de puesto e indicas: "Soy Kenneth, responsable de contratar esto", y pegas la descripción, lo puedes hacer en cualquier herramienta: ChatGPT, Gemini, DeepSeek, Claude, Copilot. Luego subes el primer CV: "Este es el primer candidato. ¿Cómo encaja en el puesto?". Puedes hacer esto para cada currículum. Luego, si hay entrevistas, y si tienes permiso del candidato, puedes obtener la transcripción. Así puedes decir: "Esta es la transcripción, este es el CV. Ahora, Gemini, ayúdame a entender los pros y contras de este candidato". Lo haces con todos, y obtienes resúmenes y comparaciones. Por supuesto tendrás tu impresión propia de la entrevista, pero puedes pedir a Gemini o ChatGPT que sugiera preguntas según el CV. Cuando unes tus percepciones a lo que dice la IA, seguro estarás mejor preparado para seleccionar talento. Así se usa ya la IA en acquisition de talento, tanto en EUA, Brasil, Chile o India.

David Rice: En muchas empresas que han comenzado con IA, especialmente IA generativa, básicamente han estado automatizando contenido y comunicaciones. Muchos no tocan operaciones, planificación ni flujos internos de decisión. Los líderes no usan la IA para ganar visibilidad o para agilizar decisiones. ¿Por dónde deberían empezar si quieren aplicar IA más allá de tareas normales? Ya hablamos de RRHH, pero: liderazgo, operaciones... ¿qué flujos internos son el fruto más fácil de recoger?

Kenneth Corrêa: Excelente pregunta.

Me gusta mucho, el nombre de mi empresa es 80-20, del principio de Pareto. Priorizamos. Hay mucho por hacer, muchos frentes. Pero cuando priorizas, y esta es una matriz que creé en mi libro: tienes tareas simples, tareas complejas, tareas únicas y tareas repetitivas. Entonces, lo primero es ir hacia lo simple y repetitivo. No hablamos de crear una solución IA para planificación estratégica. Eso luego. Pero si empiezas con cuentas por pagar y cobrar, con analizar llamadas de clientes, entrevistas de trabajo, esas se repiten muchas veces al día. Logras un 5% o 10% de eficiencia y verás resultados enseguida. Así que, el fruto fácil está en lo simple y repetitivo. Esa matriz no es nueva, siempre que hablamos de automatización la usamos, pero ahora, con los modelos de lenguaje, la IA puede entender información, leer textos, abrir archivos CSV (hojas de cálculo), mirar imágenes. Conozco una empresa que usa IA para analizar dashboards porque muchas empresas tienen tableros pero los empleados no los miran, así que de poco sirven. Ahora con IA, y explicando los indicadores a Copilot, por ejemplo, se puede tomar una simple foto del dashboard y Copilot lo leerá. Ese tipo de automatización facilita mucho la vida. Tengo un equipo de ventas de 45 personas en una health tech en Brasil, que visitan consultorios médicos. Tienen pocos minutos para vender, y cubrimos 17 de los 27 estados (la mitad de los de EUA). Difícil saber qué pasa en una empresa tan dispersa. Ahora, la IA analiza todos los datos en los dashboards, la IA no se cansa ni olvida nada.

David Rice: Cuando hablamos de fluidez, creo que implica saber cómo las herramientas encajan en la operación y cómo diseñar flujos de trabajo en torno a ellas. La mayoría quiere sumarse a la herramienta de moda pero nunca crean la conexión entre equipos, herramientas y tareas. Desde tu punto de vista, ¿cómo se ve una pila básica pero funcional de IA para una empresa de menos de 100 personas? ¿Cómo evitar el frankenstack que suele formarse?

Kenneth Corrêa: Me encanta. Frankenstack. Hay empresas así, usando 10, 20 herramientas diferentes con diferentes formas de uso, prompts, resultados, etc. Lo que veo en empresas grandes —aunque preguntaste por menos de 100 empleados— es que intentan limitarse a una o dos. Si son una empresa Microsoft, usan Copilot; si son Google, usan Gemini; si son más techies, desarrollan productos digitales y usan Anthropic (Claude) u OpenAI (GPT). Así que para empezar, recomiendo una sola herramienta y enfocarse en capacitar a todos.

Al comparar, hoy hay siete herramientas que considero de última generación. Por tanto, no importa si usas ChatGPT o Gemini, tienen la misma interfaz y poder. Ahora en mitad del 25, Copilot de Microsoft, ChatGPT de OpenAI, Gemini de Google, Grok 4 de X, Llama de Meta, DeepSeek y una extra que me gusta: Perplexity. Esos siete asistentes están al mismo nivel. Así que para una empresa es más fácil gestionar el riesgo, el acceso y la formación si se concentra en una sola herramienta. Eso para los usuarios finales, todos con su copiloto. Pero para automatizaciones profundas y orquestar redes de agentes, sí necesitas tres o cuatro proveedores. Es casi imposible quedarse con uno solo porque hay mucho movimiento, nuevas tecnologías cada semana y hay que poder cambiar entre esos siete. Pero eso ya es tema más técnico, de CTO.

David Rice: Pregunta grande: muchos se están preguntando sobre las habilidades. ¿Cómo transitamos a nuestros equipos para lo que viene? Ahora parece que hay que redefinir eficiencia, no como menos humanos, sino como humanos mejor aprovechados; personas que orquestan y validan resultados de la IA, no simples ejecutores. Parece que el rol del líder de equipo será más de control de calidad de agentes y enrutamiento estratégico. ¿Qué nuevos roles o habilidades deben desarrollar los líderes para gestionar equipos alfabetizados en IA?

Kenneth Corrêa: Sí. La idea de ser alfabetizado en IA generativa tiene mucho que ver con usar las herramientas. Eso es crucial. Pero a los líderes les toca desarrollar lo difícil: el juicio, la capacidad de elegir bien. Decidir: ¿esta tarea la debe hacer un humano? ¿O esto lo hace mejor una computadora?

No hay tabú: hay tareas que ya hacen mejor las máquinas, como revisar checklists, analizar imágenes, buscar información específica, partes de texto, resumir. Esas las hacen mejor los ordenadores. Como líder, si identificas eso y parte de allí —esto no quiero que lo hagan mis humanos—, perfecto. En cambio, la creatividad, el juicio para decidir y asumir responsabilidad, entender la complejidad y los dilemas, eso es terreno humano y la IA aún está lejos.

Puedes pedirle a la IA que haga un plan, te sugerirá fechas, cronograma, pero la calidad será muy inferior. Decidir cuándo usar cada recurso es la nueva habilidad clave para los managers. De hecho, eso me inspiró a escribir mi libro Organizaciones Cognitivas, para dar una guía a managers y que sigan la visión de que la tecnología avanza cada día, es imposible estar al día con todo —seguro que en los minutos que llevamos hablando ya salió algo nuevo—, pero aún así hay que entender que un aumento del 20-40% en productividad no se puede ignorar, porque tus competidores ya lo están haciendo.

Y hay un debate mundial sobre desplazamiento laboral por IA, pero en las empresas realmente ocurre lo opuesto: no encuentran talento disponible. Yo en la mía mantuve mi equipo de 95 personas, creciendo 15% anual durante tres años, gracias a la IA. Es cuestión de empoderar al equipo y aprovechar el máximo sus capacidades combinadas con las herramientas. No todos quisieron sumarse; muchos prefieren trabajar como antes, pero no se puede vivir en 2025 como en 2021. No hablo de la pandemia, sino de la revolución de la IA generativa. Cuando entiendes que tienes talentos que potenciar con IA, es allí donde ves los mejores resultados.

David Rice: Coincido. Hay personas a quienes les cuesta sumarse, pero hoy digo que no debemos apegarnos a las tareas. El valor no está en la tarea, sino en nuestras habilidades, nuestro conocimiento y rasgos únicos humanos, como mencionaste. Tal vez se trata de soltar la tarea como eje de las capacidades y encontrar valor real. ¿Cuáles son los errores frecuentes en organizaciones que quieren volverse fluidas en IA, especialmente al experimentar? ¿Cómo evitar promesas no cumplidas o confiabilidad baja?

Kenneth Corrêa: Sí, ese es un problema serio con la IA, porque solemos decir "La IA es..." y completamos la frase: hace esto, hace aquello. El problema es pensar la IA como una entidad flotante y omnipresente, lo cual no es cierto. Son empresas diferentes, tecnologías diferentes, datos y limitaciones diferentes.

Si hablamos de IA hay que recordarlo: es solo una herramienta. Una que está revolucionando la productividad y la forma en que trabajamos, pero sigue siendo una herramienta. Para volverse fluente, hace falta repetir, usar, cometer errores. Cuando la IA sugiere algo, no tienes obligación de hacerlo, solo de leer y decidir. Cuanto más la uses, más desarrollarás ese "criterio" para saber dónde encajará y funcionará bien.

Una gran empresa norteamericana, CH Robinson, hace logística a nivel global y gestiona 3.000 emails por hora, solicitudes de clientes para mover paquetes. Antes todo era por operadores humanos leyendo mensajes o emails. Ahora la IA triagea: si la petición es sencilla y tiene todos los datos, genera una cotización automáticamente. Si requiere atención especial —camión refrigerado, envío urgente— lo pasa a un humano. Así, la fluidez viene al ver más y más casos de uso.

CHR lleva un año con esto y solo automatiza el 10% de los casos; el 90% sigue siendo humano. Klarna en Suecia hizo algo similar pero intentó automatizar todo el customer service y tuvo que corregir, porque la IA no es un humano y no puede con el 100% de escenarios. Ahora es 80% IA y 20% humano en casos especiales. Así que la fluidez no se aprende en un libro de gramática, sino practicando el "idioma" e interactuando con otros. Espero que mi inglés hoy no sea malo...

David Rice: Es excelente.

Kenneth Corrêa: Eso es la fluidez, ¿no? Así, hablando, practicando con colegas y sobre todo, ensuciándose las manos. Creo que es lo principal. Se aprende practicando el lenguaje.

David Rice: Excelente. Bueno, Kenneth, gracias por acompañarnos, de verdad valoro mucho tus ideas y tu tiempo.

Kenneth Corrêa: Gracias, ha sido genial. Me gustaron mucho tus preguntas complejas.

Intentabas retarme y tuve que mostrarte un poco la mirada que tengo, porque a veces parezco muy entusiasta, como si no hubiera riesgos ni límites, pero sí los hay, hay caídas, hay puntos delicados, y solo se aprende saltando al agua y experimentando. Eso es lo que trato de transmitir: un 20% de productividad extra es imposible de ignorar.

David Rice: Gracias nuevamente y espero ver cómo evolucionan tus conversaciones en los próximos años. Será interesante.

Kenneth Corrêa: Así es.

David Rice: Oyentes, si quieren ver el libro de Kenneth, se titula Organizaciones Cognitivas: Aprovechando todo el poder de la IA generativa y los agentes inteligentes. Puedes conseguirlo en Amazon, no olvides echarle un vistazo. ¡Y hasta la próxima, ponte manos a la obra!