RD adopta la IA pero pocos están construyendo con ella, el universo de herramientas que debes conocer en 2026, cómo hacer el prompt perfecto y por qué el criterio humano sigue siendo lo más importante

Nadie en República Dominicana dice que está ignorando la inteligencia artificial, pero pocos están construyendo algo real con ella. Le hicimos algunas preguntas a Rolando Calderón y Álvaro Noboa para entender por qué. Rolando es ejecutivo con más de 15 años en planificación estratégica y ex colaborador de TechNews Today. Álvaro es Director Creativo con trayectoria en campañas globales que hoy usa la IA como herramienta central para resolver problemas creativos a escala. Los dos han estado en espacios internacionales donde se discute el futuro de esta tecnología y los dos ven lo mismo: en el mercado local, el discurso va mucho más adelante que la ejecución.

Para Rolando, la brecha entre lo que pasa afuera y lo que pasa aquí no es tecnológica sino de velocidad y ambición. Para Álvaro, el problema está en que el mercado creativo local sigue operando con una mentalidad que la IA ya dejó obsoleta. Dos diagnósticos distintos que apuntan al mismo lugar; RD está adoptando, pero no está construyendo.

"La brecha se puede cerrar pero se ensancha cada trimestre que pasa." - Rolando Calderón

En el mercado local conviven dos capas, una capa comercial donde agencias, consultoras y empresas integran herramientas de IA en sus operaciones, que crece rápido y está relativamente activa. Y una capa de desarrollo genuino mucho más pequeña, formada en buena parte por diáspora dominicana en el exterior y algunos núcleos universitarios. La mayoría de lo que aquí se llama "desarrollo en IA" es implementar modelos extranjeros, no construir algo propio. El reto es evolucionar del "usamos IA" al "construimos con IA", porque ahí es donde empieza la creación del valor real.

Álvaro lo ve desde el lado de las agencias creativas y el diagnóstico es igual de directo. Los perfiles que busca hoy en su operación, especialistas en martech que entiendan tecnología para conectar marcas, plataformas y personas, prácticamente no existen en el mercado dominicano. Las agencias locales siguen sobreviviendo con el modelo caduco de fees, contratando personas por volumen en lugar de construir soluciones. Y cuando se trata de convencer a un cliente tradicional que todavía cree que la IA es solo hacer imágenes en Midjourney, su respuesta fue la más honesta de que no se le explica, se le involucra en el proceso.

"Si le explicas, seguramente lo olvida. Si lo involucras, jamás lo olvidará." - Álvaro Noboa

RD tiene activos reales que pocas naciones del Caribe combinan, la fuerza laboral bilingüe, zona horaria alineada con el este de Estados Unidos, una industria BPO consolidada y una matriz energética en transición. El problema es que Chile, Colombia y Paraguay ya convirtieron ventajas similares en una propuesta de país concreta. Si RD no hace lo mismo en los próximos 18 meses, verá pasar la oportunidad mientras esos mercados la aprovechan.

Lo que viene es lo que menos se está discutiendo aquí, Rolando lo llama la transición de humano-a-máquina hacia máquina-a-máquina. Donde pronto un agente de IA actuará en tu nombre para negociar seguros, comparar préstamos y coordinar viajes. La banca, las aseguradoras y el comercio electrónico dominicano siguen pensando en chatbots y atención humana. Las empresas que solo construyan para humanos van a quedar fuera de la próxima capa digital antes de darse cuenta.

Estas dos conversaciones nos dejan algo importante en lo que reflexionar, y es que la IA no es el problema de RD. El problema es que seguimos tratándola como una herramienta cuando ya es una infraestructura; y como toda infraestructura, los que no la construyen a tiempo terminan dependiendo de los que sí lo hicieron.

Hace tres años la conversación era si la inteligencia artificial iba a cambiar el mundo, hoy es cuál herramienta usas y para qué. El mercado ya no es un modelo dominante rodeado de experimentos, es un ecosistema donde cada plataforma tiene un perfil claro, una fortaleza específica y una audiencia que la eligió por una razón concreta.

Hoy en día, lo más importante es entender que cada herramienta tiene un perfil y elegir la incorrecta para una tarea específica es tan ineficiente como no usarla. El ecosistema sigue en evolución y la curva de aprendizaje ya no es solo tecnológica sino de la forma estratégica en la que usas cada una de ellas.

Hay una diferencia entre alguien que le escribe a la IA y alguien que trabaja con ella. La primera persona escribe una oración y espera que el modelo adivine el resto. La segunda entiende que un modelo de lenguaje funciona mejor cuando se le da lo que cualquier profesional competente necesita para hacer bien su trabajo: contexto, rol, objetivo y formato. A eso se le llama ingeniería de prompts, una disciplina que se consolidó como campo formal a partir de 2020 con la llegada de GPT-3 de OpenAI y que hoy tiene guías oficiales publicadas por Anthropic, Google y la propia OpenAI.

La anatomía de un prompt efectivo tiene cuatro componentes que Google identificó en su guía práctica de ingeniería de prompts y que cualquiera puede aplicar hoy.

1️⃣ El rol: Decirle al modelo desde qué perspectiva debe responder. No es lo mismo pedirle un análisis de mercado a secas que pedírselo asumiendo que es un director de estrategia con 15 años en consumo masivo.

2️⃣ La tarea: La acción específica que debe ejecutar, sin ambigüedad y sin caer en lo genérico.

3️⃣ El contexto: Los antecedentes que anclan la respuesta a algo real y evitan que el modelo generalice.

4️⃣ El formato: Cómo quieres que entregue el resultado, si en párrafos, en tabla o en puntos concretos. Cada uno de estos elementos reduce la posibilidad de que el modelo produzca algo que técnicamente responde la pregunta pero no sirve para nada. 

La investigación técnica indica que asignar un rol específico puede mejorar las puntuaciones de razonamiento hasta en 10 puntos en tareas de cero ejemplos previos, porque activa conocimiento especializado que el modelo ya tiene pero no aplica si no se le dirige.

Una de las técnicas más efectivas y menos usadas es la cadena de pensamiento o Chain-of-Thought. En lugar de pedirle directamente una respuesta al modelo, le pides que razone en voz alta antes de concluir. El simple añadido de una frase como "pensemos paso a paso" cambia completamente la calidad del resultado en tareas complejas porque obliga al modelo a procesar la información de forma secuencial en lugar de intentar predecir la respuesta de un salto. Aplicado a estrategia, análisis de datos o resolución de problemas, la diferencia es visible y medible.

Algo que pocos mencionan es que los modelos también responden a estímulos emocionales dentro del prompt. Investigaciones bajo la técnica denominada Emotion Prompt encontraron que añadir frases como "esto es crucial para mi carrera" o "revisa tu respuesta antes de darla por definitiva" puede mejorar el rendimiento del modelo hasta un 115% en ciertas tareas complejas. No porque la IA sienta presión, sino porque esos estímulos incrementan la importancia relativa de los términos clave dentro de la arquitectura del modelo. 

Google DeepMind, por su parte, descubrió mediante su sistema de optimización de prompts que la frase "toma un respiro profundo y trabaja en este problema paso a paso" triplicó la precisión en problemas matemáticos en uno de sus modelos más avanzados, lo cual dice mucho sobre cómo la estructura del lenguaje afecta directamente la calidad del razonamiento.

Esto nos dice que la IA no es mala ni buena por sí sola, es tan útil como la instrucción que recibe. Las organizaciones y los creativos que entiendan esto van a producir resultados cualitativamente distintos a los que siguen usándola como buscador, escribiendo una línea y aceptando lo primero que el modelo les responde; la diferencia está en quién sabe hablarle y darle las mejores instrucciones.

Hay personas que hablan de inteligencia artificial porque está de moda y hay otras que llevan ocho años explorándola antes de que fuera tema de conversación en RD. Rafael Ñique Sang, director creativo y fundador de la agencia MoM, pertenece al segundo grupo. Entró al mundo de la IA en 2018 trabajando con Computer Vision cuando este era aún un territorio exclusivo de desarrolladores y científicos. Cuando salió ChatGPT él ya tenía contexto y luego vino Midjourney, los primeros storyboards generados con IA para clientes.

Eso lo llevó a certificarse en Prompt Engineering con IBM, a tomar cursos en Coursera y eventualmente a completar un posgrado en AI Product Development en el MIT, un año completo sin pausa donde entendió no solo cómo usar la IA sino cómo funciona desde adentro y por qué eso debería preocuparnos. En una industria que cambia cada 48 horas, este recorrido vale más que cualquier certificación individual.

Lo primero que Ñique deja claro es que este momento es irrepetible. La IA está avanzando tan rápido que quien comience ahora puede alcanzar a quien lleva años en esto, siempre y cuando lo haga con la profundidad correcta. Lo que la IA realmente está haciendo es democratizar la ejecución de las ideas que antes requerían equipos de desarrolladores, presupuestos enormes y meses de trabajo, hoy se puede prototipar en una semana. El “no podemos” ya no existe en un 80% de los casos, el otro 20% cambió de no podemos a cómo podríamos.

"Los influencers de la IA están exagerando demasiado las capacidades y eso está causando una burbuja mental."

Pero esa democratización tiene una trampa. Hay una distorsión peligrosa construida por creadores de contenido que exageran las capacidades de las herramientas para conseguir engagement, y esa distorsión le hace creer a la gente que la IA hace todo sola y bien. El diagnóstico de Ñique es más honesto y es que la herramienta es tan buena como el criterio de quien la usa. Si el criterio es bajo, la IA lo multiplica. Si es alto, también lo multiplica.

"El criterio del humano que está usando la IA es incluso más importante que la tecnología misma.”

Y aquí entra lo que Ñique llama el tema más complicado de toda la conversación, el que dos científicos de la Universidad de Sydney con quienes se hizo amigo en Austin denominan “la dicotomía de la IA”. Los seres humanos mejoramos a través de la dificultad, la repetición y superar barreras, igual que un músculo. La IA nos está quitando esas dificultades. Y si no desarrollas criterio propio antes de delegarle todo al modelo, la IA te lo va a atrofiar sin que te des cuenta. El que ya lo tiene, lo mantiene practicándolo y el que nunca lo desarrolló, nunca va a saber si lo que le devuelve el modelo es un hallazgo o un disparate. Eso, dice Ñique, aplica especialmente a las generaciones que están creciendo con la IA activa desde el principio, que nunca van a experimentar la fricción cognitiva que construye criterio.

"Mientras más le delegas a la IA tu capacidad cognitiva, más la pierdes. Y mientras más la pierdes, peor usuario de la IA te vuelves."

La buena noticia es que la misma IA puede usarse para aprender y fortalecer ese criterio si se usa bien. Ñique señala dos herramientas de Google que considera las más subestimadas del ecosistema: Learn with Gemini, que convierte al modelo en un tutor personalizado que adapta las explicaciones a lo que ya sabes, y NotebookLM, que le permitió completar su posgrado de MIT convirtiendo materiales complejos en quizzes, mapas mentales y podcasts generados automáticamente. 

"La diferencia entre usarlas para aprender y usarlas para que hagan el trabajo por ti es exactamente la misma diferencia que hay entre construir criterio y atrofiar."

En cuanto al panorama ético, Ñique es igual de directo. Anthropic le dijo que no al Pentágono cuando le pidieron quitar los rieles éticos del modelo para usarlo en vigilancia y guerra, OpenAI le dijo que sí. Ese momento, ocurrido en febrero de este año, generó el primer éxodo masivo de ChatGPT hacia Claude. Para Ñique, entender quién está detrás de cada modelo es tan importante como saber usarlo, porque los modelos se parecen a sus dueños. Grok es rebelde como Elon Musk, Gemini piensa como un científico, Claude escribe como poeta porque Anthropic tiene escritores y filósofos en su equipo.

Sobre si la IA nos va a sustituir laboralmente, Ñique no da una respuesta simple porque no cree que la haya. Lo que sí dice es que los seres humanos somos resilientes para encontrar propósito y para identificar problemas, y que esa capacidad todavía nos lleva ventaja. Pero añade algo que pesa más que cualquier predicción: la única ventaja real que no se puede automatizar es el criterio para saber qué pedirle a la IA, cómo evaluar lo que devuelve y cuándo desconfiar de una respuesta bien redactada que está completamente equivocada. Eso solo se construye leyendo, equivocándose, aprendiendo y manteniendo conversaciones con gente que sabe más que tú. No hay atajo y ninguna suscripción te lo da.