Accenture quedó en el centro de la escena luego que algunos informes señalaran que había establecido un límite de US$ 29 para el uso de Claude. Sin embargo, un vocero de la compañía aclaró recientemente que esa cifra forma parte de su modelo financiero y no representa un límite estricto de gasto.

La cifra de US$ 29 aparece en medio de un debate sobre el valor de invertir en inteligencia artificial: ¿qué retorno de la inversión (ROI) obtienen las empresas y los profesionales por cada dólar destinado a herramientas de IA y capacidad de procesamiento?

Como usuario avanzado y entusiasta de la inteligencia artificial, conozco de primera mano las dificultades de mantener bajo control los costos de procesamiento cuando se realizan tareas de investigación, planificación estratégica y programación intensiva. Es fácil superar un presupuesto apenas unos días después de haberlo establecido. Eso fue precisamente lo que le ocurrió a Uber, cuyos ingenieros agotaron el presupuesto anual destinado a Claude en cuestión de meses.

Sin embargo, aprendí rápidamente que, para proteger mis ingresos y garantizar la sostenibilidad de mi negocio, debía hacerme una pregunta fundamental: "¿Qué tareas deberían tener prioridad en el uso de la IA?". En lugar de considerar la inteligencia artificial como un recurso ilimitado que puede utilizarse sin restricciones, la veo como una herramienta que debe administrarse con criterio. Por eso, siempre me pregunto: "¿Cómo puedo asignar cada tarea a la herramienta de IA más adecuada?".

Mientras las empresas intentan controlar presupuestos cada vez más elevados para inteligencia artificial y capacidad de procesamiento, saber elegir qué herramienta utilizar para cada tarea podría convertirse en una habilidad fundamental. De hecho, esta capacidad podría ser la prueba definitiva para evaluar el nivel de conocimiento y madurez de una persona a la hora de incorporar la IA a sus procesos de trabajo.

¿Conviene usar Claude, ChatGPT, Gemini, Grok u otra herramienta?

La semana pasada, Multiverse me invitó a Workforce 2030, una cumbre organizada por Euan Blair, donde planteó una pregunta al público: "Levanten la mano quienes estén obteniendo un retorno de la inversión gracias a la IA".

De los aproximadamente 400 líderes presentes en la sala, que representaban a millones de trabajadores británicos de distintos sectores, aparentemente solo una docena levantó la mano.

¿Sorprendente? Quizás.

Sin embargo, esta situación se repite desde hace años. Un estudio del MIT reveló que aproximadamente el 95 % de los proyectos piloto de inteligencia artificial generativa fracasan. Las razones son numerosas y no hay tiempo para analizarlas todas acá, pero una de ellas es, sin duda, la dificultad para elegir la herramienta de IA más adecuada para cada tarea.

Cada modelo de lenguaje de gran tamaño (LLM) tiene sus propias fortalezas y debilidades. No existe un modelo que sea ideal para todas las necesidades. Incluso si tenés una herramienta favorita, en el ámbito laboral puede ser necesario dejar de lado tus preferencias personales y la comodidad de utilizarla para elegir aquella que ofrezca los mejores resultados según la tarea o el proceso de trabajo que debas realizar.

Independientemente del modelo de inteligencia artificial que utilices o de su nivel de complejidad, una serie de preguntas sencillas puede ayudarte a determinar rápidamente en qué tareas vale la pena invertir en herramientas de IA más avanzadas y costosas:

• ¿La tarea es lo suficientemente compleja como para necesitar una mayor capacidad de análisis, un contexto más amplio y un razonamiento más profundo para tomar decisiones?
• ¿Dónde se utilizará el resultado generado y qué nivel de riesgo implica?
• ¿Qué riesgos específicos están asociados con la tarea?
• Por ejemplo, ¿el contenido se utilizará únicamente dentro de la empresa o también estará dirigido a clientes?
• ¿Una herramienta más económica y previamente aprobada podría realizar la misma tarea igual de bien o incluso mejor?
• ¿Se trata de una tarea de alto riesgo que requiere un análisis exhaustivo y supervisión humana?
• ¿Cuánto tiempo permite ahorrar?
• ¿Mejora la calidad de los resultados obtenidos en cada tarea?
• ¿Cuántos ingresos o cuánto valor para el cliente genera un modelo de lenguaje (LLM) en comparación con otro?

Contar con herramientas previamente aprobadas también puede ser útil si te encontrás con un límite de gasto en tu trabajo o si vos y tu equipo necesitan continuar con sus tareas habituales cuando su modelo de lenguaje (LLM) preferido no está disponible o experimenta una interrupción del servicio.

¿Cuándo conviene usar Claude?

Conviene reservar una herramienta de inteligencia artificial premium como Claude para aquellas tareas en las que una mayor capacidad para procesar información, realizar ajustes sucesivos y profundizar en cuestiones técnicas justifique el costo adicional. Estos son algunos ejemplos de situaciones en las que puede resultar especialmente útil por la complejidad, el valor y las consecuencias del trabajo:

• Programación compleja, detección y corrección de errores y análisis técnico.
• Análisis y síntesis de documentos PDF, hojas de cálculo y grandes conjuntos de datos.
• Modelado del desempeño empresarial y financiero para actores internos y externos de una organización.
• Proyectos de Claude que requieren un trabajo continuo y el manejo de grandes cantidades de información contextual.

¿Cuándo conviene usar ChatGPT?

Estas son algunas de las formas en las que, personalmente, encontré útil ChatGPT en mi trabajo como fundador de una empresa y periodista:

Utilizar complementos conectados para investigar y simplificar los procesos de trabajo. Por ejemplo, uso un complemento de ChatGPT para Outlook que me permite encontrar fácilmente conversaciones, tareas pendientes y reuniones programadas con contactos de relaciones públicas, en lugar de tener que buscarlas manualmente en Outlook, un proceso mucho más tedioso.

Generar ideas, dar formato a documentos y realizar otras tareas administrativas de bajo riesgo.

Crear hojas de cálculo, programar y realizar seguimientos que se integren con mis distintas actividades laborales.

Este es el desafío que te propongo:

En lugar de elegir una herramienta de inteligencia artificial según tus preferencias personales, priorizá aquella que ofrezca los resultados más confiables, de mayor calidad y con el mayor nivel de seguridad para las tareas específicas de tu trabajo.

Realizá pruebas durante un par de semanas para identificar qué modelo de lenguaje (LLM) o herramienta de inteligencia artificial ofrece la mejor relación entre costo y beneficio.

Después, utilizá esa información para elaborar un mapa que identifique qué tareas requieren intervención y criterio humano, cuáles pueden resolverse con inteligencia artificial y qué herramienta resulta más eficaz para cada actividad de tu flujo de trabajo. De esta manera, podrás desarrollar un plan de adopción de IA que optimice los costos y permita gestionar su uso de forma eficiente dentro de tu organización.

Así es como la inteligencia artificial puede convertirse en una inversión rentable, con un retorno de la inversión real, en lugar de representar un gasto empresarial difícil de controlar.

*Este artículo fue publicado originalmente por Forbes.com.