DEV Community: Marcelo Futerman

Marcelo Alberto Futerman: cómo usar una IA para entender un texto en otro idioma

Marcelo Futerman — Tue, 27 Oct 2026 13:55:02 +0000

Marcelo Alberto Futerman explica cómo apoyarse en un asistente de inteligencia artificial para entender un correo, un manual o un artículo escrito en un idioma que no se domina, sin quedarse con una traducción equivocada.

Los asistentes de IA traducen bastante bien y, además, pueden explicar lo que un texto quiere decir. Eso los vuelve útiles cuando llega algo en otro idioma. Igual, una traducción que suena natural no siempre es fiel al original.

Decir para qué se necesita

No es lo mismo querer una idea general que necesitar cada detalle. Para un artículo de lectura puede alcanzar con un resumen en español. Para unas instrucciones o un pedido de trabajo hace falta una traducción completa.

Pedir también el sentido, no solo las palabras

Algunas expresiones no tienen una traducción directa. Se le puede pedir a la herramienta que marque las frases con doble sentido o con un tono especial, y que explique qué significan en ese contexto.

Cuidar lo que se pega

Antes de pegar un texto, conviene revisar que no tenga datos personales, números de cuenta o información que no deba compartirse. Si los tiene, se borran o se reemplazan por algo genérico.

Confirmar lo importante

Cuando el texto incluye fechas, cantidades, nombres o condiciones, esos puntos se revisan contra el original. Un error en una fecha o en una condición puede tener consecuencias mucho más serias que una palabra mal elegida.

Responder con cuidado

Si hay que contestar en el otro idioma, sirve escribir la respuesta primero en español y pedir la traducción. Después se le puede pedir a la herramienta que la vuelva a pasar al español, para comprobar que dice lo que se quería decir.

En pocas palabras

La IA abre la puerta a textos que antes costaba leer. Para lo que importa de verdad, la revisión sigue siendo necesaria.

Más notas en mi perfil de Dev.to y videos cortos en mi canal de YouTube.

Marcelo Alberto Futerman: cómo usar una IA para ordenar notas sueltas

Marcelo Futerman — Sun, 25 Oct 2026 13:51:19 +0000

Marcelo Alberto Futerman explica una manera simple de pedirle ayuda a un asistente de inteligencia artificial para convertir apuntes desordenados en algo que se pueda usar.

Casi todo el mundo acumula notas sueltas: ideas anotadas en el celular, frases copiadas de una charla, recordatorios a medio escribir. Juntas tienen valor, pero en ese estado cuesta aprovecharlas. Un asistente de IA puede ayudar a darles forma, siempre que el pedido sea claro y el resultado se revise.

Juntar todo en un solo lugar

El primer paso no lo hace la herramienta. Hay que reunir las notas en un mismo texto, sin preocuparse por el orden. Pegarlas todas juntas le da al asistente el material completo para trabajar.

Decir qué forma se busca

No es lo mismo pedir una lista de tareas que un resumen o un esquema de ideas. Indicar el formato esperado evita respuestas genéricas. Por ejemplo: agrupar las notas por tema y poner un título corto a cada grupo.

Pedir que no agregue nada

Un riesgo frecuente es que la herramienta complete huecos con información propia. Conviene aclarar que solo use lo que está en las notas y que marque lo que no se entiende, en lugar de suponerlo.

Comparar con el original

Antes de dar por terminado el trabajo, se repasa el resultado contra las notas originales. Así se detecta si algo quedó afuera o si alguna idea cambió de sentido al reordenarla.

Guardar la versión ordenada

La versión final se guarda en un documento propio, no solo en el historial del chat. De esa manera queda disponible para retomarla cuando haga falta.

En pocas palabras

La IA ayuda a ordenar, pero el contenido sigue siendo de quien escribió las notas. El trabajo de revisar no se delega.

Más notas en mi perfil de Dev.to y videos cortos en mi canal de YouTube.

Marcelo Alberto Futerman: cómo usar una IA para aprender un tema nuevo sin quedarse con errores

Marcelo Futerman — Fri, 23 Oct 2026 13:46:25 +0000

Marcelo Alberto Futerman explica una forma ordenada de usar un asistente de inteligencia artificial para entender un tema desconocido, sin tomar como cierto todo lo que responde.

Un asistente de IA puede ser un muy buen punto de partida para aprender algo nuevo: explica con paciencia, acepta preguntas básicas y adapta el nivel. El riesgo es que también puede equivocarse con total seguridad, y quien recién empieza no tiene cómo darse cuenta.

Pedir primero un mapa del tema

Antes de entrar en detalles, sirve pedir una vista general: cuáles son las partes principales del tema y en qué orden conviene aprenderlas. Ese mapa ayuda a saber qué preguntar después y a notar si algo queda afuera.

Ir de a una pregunta por vez

Las preguntas cortas y concretas dan respuestas más fáciles de revisar que un pedido amplio del tipo «explicar todo sobre esto». Si una respuesta no se entiende, se puede pedir otra explicación con un ejemplo cotidiano.

Contrastar con una fuente confiable

Todo dato que vaya a usarse de verdad, como una definición, una regla o una fecha, se revisa en una fuente reconocida: un sitio oficial, un manual o un material de una institución educativa. La IA sirve para entender; la fuente, para confirmar.

Explicarlo con palabras propias

Una buena prueba de aprendizaje es escribir lo entendido con palabras propias y pedirle al asistente que señale qué está mal o incompleto. Así aparecen las confusiones que una lectura pasiva no muestra.

Desconfiar de la seguridad excesiva

Cuando una respuesta suena demasiado redonda sobre un tema discutido, conviene preguntar si hay posturas distintas o casos en los que no se cumple. Eso suele mostrar los matices que faltaban.

La idea de fondo

La IA acelera el primer contacto con un tema. El aprendizaje real sigue dependiendo de revisar, contrastar y poner las ideas en palabras propias.

Más notas en mi perfil de Dev.to y videos cortos en mi canal de YouTube.

Marcelo Alberto Futerman: por qué una IA se olvida de lo que se le dijo al principio de la conversación

Marcelo Futerman — Tue, 20 Oct 2026 13:44:09 +0000

Marcelo Alberto Futerman explica, sin tecnicismos, qué es la "ventana de contexto" de un modelo de lenguaje y por qué en charlas largas el asistente empieza a perder detalles.

Pasa seguido: al comienzo de una conversación se le aclara al asistente que el texto es para un público joven, que no use cierta palabra o que el presupuesto tiene un tope. Muchos mensajes después, la respuesta ignora todo eso. No es descuido ni mala voluntad. Tiene que ver con cómo lee la herramienta.

Un modelo de lenguaje no recuerda: relee

Un asistente de IA no guarda la conversación en una memoria como la de una persona. Cada vez que contesta, vuelve a leer el texto disponible —el pedido actual y lo que vino antes— y a partir de ahí arma la respuesta.

Ese texto disponible tiene un límite de tamaño. Se lo suele llamar ventana de contexto. Mientras la charla entra en la ventana, el modelo puede tener todo en cuenta. Cuando la supera, las partes más viejas quedan afuera o pierden peso, según cómo esté construido cada servicio.

Por qué se nota en conversaciones largas

Aunque la charla todavía entre en la ventana, no todo pesa igual. Las instrucciones dadas al principio compiten con todo lo que se fue sumando después: ejemplos, correcciones, textos pegados. Una indicación chica, mencionada una sola vez hace rato, es fácil de perder entre tanto material.

Qué hacer para que no pase

Repetir lo esencial. Si una regla importa, conviene recordarla en el pedido en el que hace falta, no confiar en que siga vigente desde el inicio.
Empezar de nuevo cuando cambia el tema. Una conversación nueva, con un primer mensaje que resuma lo necesario, suele funcionar mejor que estirar una vieja.
Pegar solo lo que sirve. Cuanto más texto irrelevante entra, más se diluye lo importante.
Pedir una recapitulación. Preguntarle al asistente qué condiciones tiene en cuenta en ese momento ayuda a detectar qué se perdió.

Lo que conviene llevarse

La sensación de estar hablando con alguien que recuerda todo es engañosa. La herramienta trabaja con lo que tiene delante en cada respuesta. Entender eso evita muchas frustraciones y mejora los resultados sin ningún truco especial.

Sobre otra limitación parecida, la de sonar segura aunque se equivoque, escribí esta nota en Medium. Y en el canal de YouTube de Marcelo Alberto Futerman hay videos cortos con ejemplos de uso diario.

— Marcelo Futerman

Marcelo Alberto Futerman: cómo pedirle a una IA que resuma un documento largo sin perder lo importante

Marcelo Futerman — Sun, 18 Oct 2026 14:04:47 +0000

Marcelo Alberto Futerman explica por qué un resumen hecho por inteligencia artificial puede dejar afuera justo lo que importa, y cómo armar el pedido para que eso no pase.

Resumir es una de las tareas en las que un asistente de IA más tiempo ahorra. Un informe extenso se convierte en un párrafo en segundos. El problema es que el resumen decide por su cuenta qué es central y qué es accesorio, y ese criterio no siempre coincide con el de quien lo va a leer.

Decir para qué se necesita

No es lo mismo resumir un contrato para saber qué obligaciones tiene cada parte que resumirlo para contárselo a un socio en una reunión. Aclarar el uso cambia qué se conserva y qué se descarta.

Pedir una estructura

Una consigna como "Separar en decisiones, plazos y pendientes" da un resultado más útil que "Resumir esto". Así, si falta algo, se nota enseguida.

Marcar lo que no se puede omitir

Si hay fechas, montos o nombres que tienen que aparecer sí o sí, conviene decirlo en el pedido. Un resumen corto tiende a borrar justamente esos detalles.

Volver al original

Antes de usar el resumen para decidir algo, abrir el documento en las partes clave y confirmar que dice lo mismo. El resumen orienta; el texto completo manda.

Sobre por qué una IA puede sonar segura aunque se equivoque, lo conté en esta nota de Medium. Y hay más ejemplos de uso cotidiano en Dev.to y en el canal de YouTube de Marcelo Alberto Futerman.

— Marcelo Futerman

Marcelo Alberto Futerman: qué puede hacer una IA y qué no, en el trabajo diario

Marcelo Futerman — Fri, 16 Oct 2026 13:45:59 +0000

Marcelo Alberto Futerman repasa en qué tareas de todos los días una herramienta de inteligencia artificial resulta útil y dónde están sus límites, para usarla con expectativas realistas.

Alrededor de la IA conviven dos ideas exageradas. Una dice que puede hacerlo todo; la otra, que no sirve para nada serio. En la práctica, lo más provechoso es conocer bien el borde: saber qué trabajo se le puede pasar sin miedo y cuál tiene que seguir en manos de alguien que responda por él.

Lo que hace bien

Explicar

Frente a un tema nuevo, un término técnico o un documento denso, un asistente puede reformular la idea con palabras simples, dar un ejemplo y responder preguntas de seguimiento. Funciona como un primer acercamiento: ayuda a ubicarse y a saber qué preguntar después.

Redactar

Un correo, el resumen de una reunión, la estructura de un informe, una lista de puntos para una presentación. La IA resuelve rápido el primer borrador, cambia el tono, acorta o alarga. El texto final igual necesita una lectura atenta, pero arrancar con algo armado ahorra bastante esfuerzo.

Clasificar

Separar mensajes por tema, etiquetar comentarios como consulta, sugerencia o queja, agrupar ideas sueltas de una lluvia de ideas. Son tareas repetitivas donde un criterio claro, explicado en el pedido, alcanza para obtener un resultado aprovechable.

Ordenar

Convertir notas desordenadas en una lista de pendientes, pasar un texto corrido a una tabla, proponer un orden lógico para los pasos de un proceso. La herramienta no agrega conocimiento nuevo, pero pone en limpio lo que ya está.

Lo que no puede hacer

Decidir por nosotros

Una IA puede enumerar ventajas y desventajas de dos caminos, pero no carga con las consecuencias de elegir uno. No conoce las prioridades de la persona, el momento del equipo ni lo que está en juego más allá del texto que recibió. La decisión, y la responsabilidad que viene con ella, siguen siendo de quien la toma.

Saber cuándo no sabe

Un modelo de lenguaje produce respuestas con el mismo tono seguro tanto cuando acierta como cuando se equivoca. Puede completar un dato faltante con algo verosímil y presentarlo sin ninguna advertencia. Por eso un nombre, una fecha o un número que salen de una IA se tratan como pista, no como hecho.

Reemplazar la fuente primaria

Un resumen es útil para orientarse, pero no sustituye al documento original: el contrato, la norma, el manual, el informe firmado. Si algo importa de verdad, se lee en el lugar de donde sale. La IA puede señalar dónde buscar; la confirmación está en otra parte.

Conocer lo que no le contaron

La herramienta no sabe cómo trabaja una empresa en particular: sus acuerdos con clientes, sus reglas internas, la historia de un proyecto o por qué algo se hace de cierta manera. Solo dispone de lo que se incluye en el pedido. Si falta ese contexto, la respuesta será genérica, aunque suene adaptada. Y antes de sumar información interna, conviene revisar qué está permitido compartir.

Cómo repartir el trabajo

Un criterio sencillo sirve para casi todo: la IA prepara y la persona responde. Puede armar el borrador, la tabla o la clasificación; alguien revisa, corrige, agrega lo que solo se conoce desde adentro y decide si eso sale. Cuanto mayor es el efecto de un error, más corta debería ser la parte delegada y más cuidadosa la revisión.

También ayuda distinguir entre tareas de forma y tareas de fondo. Cambiar el formato, resumir o reordenar son tareas de forma, y ahí la herramienta rinde mucho. Elegir, evaluar, prometer o afirmar algo nuevo son tareas de fondo, y ahí su aporte es apenas un insumo.

Checklist rápido

[ ] ¿La tarea es explicar, redactar, clasificar u ordenar?
[ ] ¿Hay una decisión en juego? Si es así, la toma una persona.
[ ] ¿Aparecen datos concretos? Se confirman en la fuente original.
[ ] ¿La respuesta necesita contexto interno que no di?
[ ] ¿Alguien revisa el resultado antes de que salga?

Con esos límites a la vista, la IA deja de ser una promesa difusa y se convierte en una ayuda concreta dentro de la rutina laboral.

Para ver un caso aplicado a ordenar datos en hojas de cálculo, lo conté en esta nota del blog.

— Marcelo Futerman

Marcelo Alberto Futerman: IA en la atención al cliente de una empresa chica

Marcelo Futerman — Wed, 14 Oct 2026 13:54:12 +0000

Marcelo Alberto Futerman analiza qué partes de la atención al cliente de una empresa chica se pueden apoyar en inteligencia artificial y cuáles conviene que sigan en manos de una persona.

En una empresa chica, atender a los clientes suele ser tarea de pocas personas que además hacen otras cosas. Los mensajes llegan por la web, por correo y por chat, y muchos preguntan lo mismo. Ahí la IA puede dar una mano, siempre que se use para sacarle peso al equipo y no para esconderlo.

Qué conviene automatizar

Preguntas repetidas

Horarios, medios de pago, plazos de entrega, cómo recuperar una contraseña. Si la respuesta es siempre igual y ya está escrita en algún lado, un asistente puede darla a partir de un conjunto de respuestas que la empresa revisó y aprobó. Lo importante es que conteste desde ese material y no desde lo que el modelo "cree" saber.

Borradores de respuesta

Para consultas más variadas, la IA puede proponer un primer texto que alguien del equipo lee, corrige y envía. Se ahorra el arranque en blanco, el estilo queda más parejo y la decisión final sigue siendo humana.

Clasificar y ordenar

Separar los mensajes por tema (facturación, envíos, problemas técnicos), marcar los urgentes y derivarlos a quien corresponde. Es un trabajo invisible que consume horas, y si la clasificación falla se corrige sin que el cliente lo note.

Qué conviene dejar en manos de personas

Reclamos. Alguien enojado o perjudicado necesita sentir que lo escucha una persona con capacidad de resolver. Una respuesta automática, por correcta que sea, puede empeorar las cosas.
Excepciones. Devoluciones fuera de término, casos que no encajan en ninguna regla, pedidos especiales. Hace falta criterio y, muchas veces, permiso para salirse de lo habitual.
Situaciones de tono delicado. Una mala noticia, un error de la propia empresa, un cliente que pasa un momento difícil. Un texto puede ser correcto y aun así caer mal.
Decisiones con consecuencias. Reintegros, cambios de condiciones, compromisos de fecha. Nada de eso debería quedar resuelto por un sistema sin que alguien lo confirme.

Cómo revisar lo que sale

Leer todos los días una muestra de las respuestas automáticas, sobre todo en las primeras semanas.
Verificar que precios, plazos y condiciones coincidan con la información vigente. Si cambia una política, actualizar ese mismo día el material del que responde el asistente.
Revisar los borradores de verdad antes de mandarlos, no solo por encima. Un dato inventado con buena redacción es el error más fácil de dejar pasar.
Llevar registro de las consultas que el sistema no supo contestar: muestran qué le falta a la base de respuestas.
Pedirle al equipo que avise cuando una respuesta le parezca rara, aunque no esté seguro de que sea un error.

Límites para fijar desde el inicio

Que se note. El cliente tiene que poder darse cuenta de que está hablando con un sistema automático.
Un camino fácil hacia una persona. Siempre debe existir una forma clara de pasar a alguien del equipo, sin tener que contar todo de nuevo.
Datos personales. Definir qué información de los clientes puede ver la herramienta y cuál queda afuera.
Lo que no puede prometer. Descuentos, plazos especiales, excepciones: si no está autorizado por escrito, el asistente no lo ofrece.

Por dónde empezar

Me parece más prudente arrancar por adentro antes que por afuera. Primero, borradores y clasificación, que el equipo revisa antes de que algo llegue al cliente. Después, y solo si eso funciona, respuestas automáticas para las preguntas más simples. Así se aprende cómo se comporta la herramienta sin exponer a nadie.

Checklist

[ ] ¿Las respuestas automáticas salen de un material aprobado y actualizado?
[ ] ¿Los reclamos y las excepciones llegan siempre a una persona?
[ ] ¿El cliente sabe que habla con un sistema y puede pedir a alguien del equipo?
[ ] ¿Alguien revisa una muestra todos los días?
[ ] ¿Está claro qué no puede prometer el asistente?

Bien usada, la IA en la atención al cliente no reemplaza el trato entre personas: le hace lugar.

Algunos de estos usos ya aparecían en mi repaso de lo que la inteligencia artificial puede aportarle a una organización.

— Marcelo Futerman

Marcelo Alberto Futerman: cómo revisar si lo que responde una IA es cierto

Marcelo Futerman — Mon, 12 Oct 2026 14:17:01 +0000

Marcelo Alberto Futerman explica por qué un asistente de inteligencia artificial a veces da información falsa con tono firme, qué señales conviene mirar y cómo comprobar una respuesta antes de usarla.

Un texto bien redactado da sensación de verdad. Tiene buena ortografía, está ordenado en puntos y no duda. Pero la forma no dice nada sobre si lo que afirma es correcto, y con los asistentes de IA esa diferencia pesa mucho.

Por qué una IA puede inventar

Un modelo de lenguaje aprende, a partir de enormes volúmenes de texto, qué palabras suelen aparecer después de otras. Cuando le hacemos una pregunta, no consulta un archivo de hechos comprobados: va armando la respuesta de a poco, eligiendo en cada paso lo que resulta más probable según lo que aprendió.

La mayoría de las veces eso produce información correcta, porque lo correcto aparece muchas veces en los textos. Pero cuando el tema es poco común, muy reciente o muy específico, el modelo puede rellenar el hueco con algo que suena razonable y no existe: una fecha, el artículo de una ley, el título de un libro, una frase atribuida a alguien. A ese error se lo suele llamar "alucinación". No es una mentira intencional; es una consecuencia de cómo funciona la herramienta.

Algunos asistentes buscan en la web antes de contestar y muestran enlaces. Eso ayuda, pero no elimina el problema: el resumen puede afirmar algo que la página citada no afirma.

Señales de alerta

Precisión sin respaldo. Un porcentaje con decimales, una fecha exacta o un monto, sin ninguna fuente.
Referencias imposibles de encontrar. Libros, estudios, normas o personas que no figuran en ningún otro lado.
Citas textuales. Una frase entre comillas atribuida a alguien está entre lo que más fácil se inventa.
Temas recientes. Lo que pasó hace poco puede no estar en lo que el modelo aprendió.
Respuestas que cambian. Si se repite la pregunta y el dato cambia, ninguna de las versiones es confiable todavía.
Coincidencia demasiado perfecta. Cuando la respuesta confirma justo lo que uno esperaba, vale la pena mirarla con más cuidado.

Cómo chequear

1. Ir a la fuente primaria

Para una norma, el texto oficial. Para una cifra, el organismo o la empresa que la publica. Para una cita, la entrevista o el documento original. El resumen de un resumen no alcanza.

2. Pedir de dónde sale

Preguntarle al asistente en qué se basa y pedirle los enlaces. Después abrirlos: comprobar que existan, que sean de un sitio serio y que su contenido coincida con lo respondido. Cuando no logra dar una fuente concreta, el dato queda en duda.

3. Contrastar

Buscar el mismo dato en dos o tres lugares independientes entre sí. Si solo aparece en la respuesta de la IA, no se usa.

4. Tratar los números aparte

Revisar que las cuentas cierren, que las unidades sean las correctas y que la fecha del dato tenga sentido. Si el asistente hizo un cálculo, rehacerlo con una calculadora o una planilla.

5. Preguntar lo contrario

Pedirle que explique por qué su respuesta podría estar equivocada, o qué dicen quienes piensan distinto. A veces aparecen matices que la primera versión dejaba afuera.

Cuánto revisar

No todo necesita el mismo control. Si le pedimos ideas para el título de una presentación, alcanza con leerlas. Si el dato va a un informe, a un cliente, a una decisión o a una publicación, se verifica siempre. Una regla práctica: cuanto más grave sería el error, más fuentes hace falta mirar.

Checklist

[ ] ¿Cada número tiene una fuente que abrí y leí?
[ ] ¿Las citas aparecen en el documento original?
[ ] ¿Los enlaces existen y dicen lo mismo que la respuesta?
[ ] ¿Encontré el dato en al menos dos lugares independientes?
[ ] ¿Es información reciente que conviene confirmar?
[ ] ¿Rehice los cálculos?

Usada así, la IA sigue ahorrando tiempo: ayuda a entender un tema y a saber qué buscar. La palabra final la tiene la fuente.

Si quieren entender desde cero cómo funciona la inteligencia artificial en las organizaciones, lo desarrollé en este artículo.

— Marcelo Futerman

Marcelo Alberto Futerman: qué datos conviene no compartir con una IA

Marcelo Futerman — Sat, 10 Oct 2026 13:49:44 +0000

Marcelo Alberto Futerman repasa qué tipo de información conviene dejar afuera cuando se usa un asistente de inteligencia artificial en el trabajo, y cómo aprovecharlo igual sin exponer datos de la empresa ni de otras personas.

Los asistentes de IA ya son una herramienta más de oficina. Les pedimos que resuman un informe, que mejoren un mail o que ordenen una planilla. El problema aparece cuando, para que la respuesta salga mejor, pegamos el documento completo tal como está, con nombres, números de cuenta y detalles que nunca le mandaríamos a un desconocido.

Qué pasa con lo que escribimos

Cuando escribimos en un asistente, el texto sale de nuestra computadora y viaja a los servidores del servicio, donde se procesa para generar la respuesta. Según la herramienta y el tipo de cuenta, esa conversación puede quedar guardada en un historial, ser leída por personas que controlan la calidad o usarse para entrenar versiones futuras del modelo.

No todas las herramientas hacen lo mismo, y sus condiciones cambian con el tiempo. Por eso la pregunta útil no es "¿esto es seguro?" en abstracto, sino "¿qué hace este servicio en particular con lo que le mando, y quién decidió que lo podemos usar?".

Cinco tipos de datos que conviene dejar afuera

Datos personales de terceros. Nombres completos junto con documentos, direcciones, teléfonos o correos de clientes, proveedores o compañeros. Esa información no es nuestra para compartirla.
Información financiera. Números de cuenta o de tarjeta, sueldos, balances que todavía no se hicieron públicos.
Accesos. Contraseñas, claves de programas, códigos de verificación. Nunca, ni siquiera para "que revise si está bien escrito".
Información estratégica de la empresa. Contratos, precios en negociación, planes de lanzamiento, código fuente propio.
Temas delicados de personas. Evaluaciones de desempeño, conflictos internos, asuntos familiares o cualquier cosa que alguien nos contó en confianza.

Cómo usar la IA igual, sin exponer nada

En la mayoría de los casos, el asistente no necesita los datos reales para ayudar. Necesita entender la estructura del problema.

Anonimizar. Reemplazar "Juan Pérez, DNI…" por "Cliente A". Cambiar los montos reales por números de ejemplo con la misma forma.
Resumir antes de pegar. En lugar de cargar el contrato entero, describir con nuestras palabras la cláusula que genera la duda.
Pedir el método, no el resultado. "¿Qué fórmula uso para sacar el promedio por cliente?" sirve igual que mandar la planilla con los datos de todos.
Trabajar con ejemplos inventados. Armar tres filas ficticias, conseguir la solución y después aplicarla nosotros sobre los datos verdaderos.

Revisar la configuración

Muchos servicios ofrecen opciones para no guardar el historial o para que las conversaciones no se usen en el entrenamiento. Conviene buscarlas en el menú de privacidad o de datos de la cuenta y leer qué hace cada una. Las cuentas empresariales suelen tener condiciones distintas de las personales, así que no hay que suponer que lo que vale para una vale para la otra.

Desactivar una opción no convierte cualquier dato en apto para compartir. Es una capa más de cuidado, no un permiso.

Lo que le corresponde a la empresa

Si cada persona decide sola qué herramienta usar y qué cargar en ella, aparecen riesgos que nadie ve. Una política interna corta ayuda mucho más que una prohibición general. Como mínimo, debería responder:

Qué herramientas están aprobadas y con qué tipo de cuenta.
Qué información se puede cargar y cuál no, con ejemplos concretos.
A quién preguntarle cuando hay una duda.
Qué hacer si alguien compartió algo que no debía.

Checklist antes de apretar "enviar"

[ ] ¿Aparece el nombre de alguien o un dato que permita identificarlo?
[ ] ¿Hay números de cuenta, contraseñas o claves?
[ ] ¿Es información que la empresa no publicó?
[ ] ¿Puedo reemplazar los datos reales por ejemplos?
[ ] ¿Esta herramienta está aprobada para este uso?
[ ] ¿Sé qué hace el servicio con lo que le escribo?

Si alguna respuesta genera dudas, conviene frenar y reescribir el pedido. Casi siempre se llega a la misma ayuda con menos información.

Cuidar los datos aparece como uno de los pilares en mi guía para automatizar tareas con inteligencia artificial.

— Marcelo Futerman

Marcelo Alberto Futerman: dónde conviene usar inteligencia artificial en una startup que recién arranca

Marcelo Futerman — Thu, 08 Oct 2026 14:34:06 +0000

Marcelo Alberto Futerman repasa en qué tareas la inteligencia artificial le ahorra tiempo real a un equipo chico y en cuáles conviene ir con más cuidado.

En una startup que recién empieza, lo que más falta casi nunca es una idea: es tiempo. Los equipos son chicos y cada persona cubre varios roles a la vez. Ahí la IA puede ayudar mucho, siempre que se use en las tareas correctas y se revise lo que produce.

Cuatro lugares donde suele sumar

Primeros borradores de textos que se repiten. Correos de seguimiento, respuestas a preguntas frecuentes, descripciones de producto. La IA arma la primera versión y una persona del equipo la corrige y la firma.
Ordenar información dispersa. Notas de reuniones, comentarios de usuarios, respuestas de una encuesta. Pedirle que agrupe por tema ayuda a ver qué se repite sin leer todo diez veces.
Planillas y datos. Escribir una fórmula, limpiar una columna con formatos mezclados o proponer la estructura de una tabla. Siempre conviene comprobar el resultado con un par de casos que ya conocemos.
Atención inicial. Un asistente que contesta lo básico con respuestas que el equipo ya aprobó y pasa a una persona todo lo demás.

Tres lugares donde conviene frenar y revisar

Datos de clientes o información confidencial. Antes de cargarlos en cualquier herramienta, hay que leer qué hace con lo que recibe y si lo guarda.
Cifras, nombres y fuentes. Un modelo de lenguaje puede inventar un dato con total seguridad. Todo número que vaya a una presentación o a un inversor se verifica en su fuente original.
Decisiones que afectan a personas. Elegir a quién contratar o a quién darle crédito no se deja en manos de un sistema automático sin revisión humana.

Una forma simple de empezar

Elijan una sola tarea que hoy les lleve horas cada semana. Anoten cuánto tiempo les lleva ahora, prueben la herramienta durante dos semanas y vuelvan a medir. Si ahorró tiempo sin sumar errores, sigan. Si no, cambien de tarea antes de cambiar de herramienta.

Si quieren ver qué otros beneficios puede traer la IA en una organización, escribí sobre eso en marcelofuterman.com.

— Marcelo Futerman