A diferencia de la colaboración entre personas en un equipo, que se basa en las capacidades y objetivos de cada integrante, supeditados a una meta común pero en la que las partes desarrollan individualismos a conjuntar, la colaboración con las IAs no es tan sencilla, pues éstas requieren instrucciones muy concretas (usualmente no son autónomas)… que van a ser interpretadas con cierta libertad y sin sujeción a ninguna política jerárquica o de liderazgo.  En realidad, nos encontramos en los albores de esquemas de colaboración personas-IA que con seguridad evolucionarán tan rápido como los mismos modelos de lenguaje.

Aproximaciones colaborativas

Veamos algunas posibles aproximaciones a esta colaboración Persona-IA, basadas en mi propia experiencia de más de un año con IAs generativas, para crear y refinar, por ejemplo, un “informe” con la ayuda de una IA, cuyo acceso, a efectos prácticos, asimilaremos a un chatbot conversacional:

  • Página en Blanco: partimos de un prompt sencillo que origina un texto de página y media o dos (o su equivalente en diapositivas: 4 ó 5) y que nos facilita un primer borrador, usualmente sin alma, para empezar a afinar ideas.
  • Semilla documental: se añade un documento raíz sobre el que la IA trabajará para crear una primera versión del informe. En este caso el prompt tiene que ser más elaborado, pues además de presentar la idea generatriz, también debe centrarse en el sesgo con el que examinar el documento de acompañamiento y en qué partes de él centrarse.
  • Modelado: inserción de un documento comparativo para que se tome como ejemplo estructural o temático del que se quiere montar con la IA. Esta aproximación puede incluir documentos en un cierto estilo (el del autor, por ejemplo) que se quiera replicar, o con un determinado formato o estructura específicas que se pretenda copiar. Evidentemente, el modelado se puede combinar con la semilla, en el mismo documento o en documentos diferentes.
  • Referenciación: mediante un prompt específico, se añaden sistemas referenciales para cada versión y, opcionalmente, para las diferentes secciones, de forma que en la revisión de versiones dentro de la misma conversación (o chat) se puedan combinar o suprimir selectivamente partes de los borradores de informes.
  • Ajuste estilístico: se cambia el tono del lenguaje (formal, cercano, académico, etc.) o su estilo para revisar después las diferentes versiones del resultado. La precisión de las instrucciones es especialmente importante en este ajuste, pues, por ejemplo, para la reescribir un texto podría describirse, con muy diferentes resultados, como “Parafrasea, Reenmarca, Resume, Expande, Explica, Reinterpreta, Simplifica, Elabora, Amplifica, Aclara, Adapta, Moderniza, Formaliza, Informaliza, Condensa, Enfatiza, Reitera, Diversifica, Neutraliza, Optimiza, Enriquece, Embellece, Ilustra, Sintetiza, Sensacionaliza, Humaniza, Eleva, Ilumina, Anima, Energiza, Suaviza, Exagera, Resta importancia o Glamoriza”
  • Esquematización: el esqueleto del informe puede plantearse desde cero (página-en-blanco) o como paso-atrás-para-darse-impulso, de forma que tras generar un informe en borrador (e incluso después de retocarlo), se proceda a una esquematización de lo generado para poder refinar primero el esqueleto y luego volverle a añadir músculo narrativo.
  • Inyección: partiendo de un informe dado, se añade un nuevo tema, partiendo de un prompt específico o de uno asociado a un documento-raíz, para insertarlo en medio de un esquema o de un texto anterior.
  • Agregación y fusión: se trabajan diferentes trozos de texto como ideas, sin estructura ni orden, y se componen, por medio de un prompt, mezclándolos (opcionalmente generando primero un esquema ordenado y luego integrándolo como una guía directriz de la composición).
  • Expediente: se añaden diferentes documentos a la base de conocimiento de la IA y se generan derivados y resúmenes de los mismos que después se compondrán mediante agregación-y-fusión.
  • Disección y re-escritura: en un entorno conversacional puro se reescribe el informe generado y se añaden referencias numéricas por secciones, párrafos y/o líneas, de manera que se puedan seleccionar palabras o frases que eliminar o cambiar; en un entorno específico de edición de textos, bastaría con seleccionar los elementos a modificar o sustituir. También se pueden aplicar prompts para eliminar una parte reconocible del informe y también suprimir todas las referencias a esa parte en el resto del texto, finalizando con un análisis sobre el resultado y coherencia de la operación.
  • Revisión: pases, mediante prompts, de revisiones gramaticales, de estructura, estilo, título, complejidad, etc. Lo usual es contar con un prompt específico que se aplicará a la mayoría de nuestros trabajos.

Proyeción ofimática

Evidentemente, las envolturas de modelos de lenguaje comerciales (como ChatGPT, Claude, Gemini, Coral, etc.) sustanciadas como herramientas específicas de redacción asistidas por IA están evolucionando para incorporar todas las anteriores facilidades, aunque la inserción de estas características en los procesadores de texto (como Word, con Copilot Pro) no está resultando sencilla (como tampoco muy práctica, por el momento), por lo que tendremos que esperar a la aparición de herramientas colaborativas conceptuadas desde cero para su uso con IAs (en lugar de las hibridaciones de la IA con productos anteriores).

Revisión y meta-etiquetado

Hay que considerar, además, la posibilidad de generar meta-etiquetas para cada iteración en la confección del informe. Estas iteraciones incluyen a los prompts efectuados, cualifican las ideas “humanas” y etiquetan las adiciones en razón de la ronda de edición aplicada y su base de aplicación (versiones, modus operandi, etc.). A efectos prácticos, el comportamiento de la edición incremental sería parecido al de la edición colaborativa de versiones de documentos entre diferentes personas (cada iteración con la IA), con la particularidad de que una o más de esas iteraciones cambie algunos de los contenidos previos, tanto humanos como de IA, generando una trazabilidad un tanto más prolija. Se trataría de aunar la gestión tradicional de versiones con capas de iteración IA navegables.

El futuro previsible

Es evidente que la evolución de los anteriores esquemas colaborativos pasará, a la vez, por la evolución de los modelos de lenguaje y de las herramientas específicas de redacción y composición de textos (lo que incluirá el reboot de las suites ofimáticas tradicionales), pero, al igual que ya está pasando con la ingeniería de prompts, es previsible que sean los mismos LLMs los que paulatinamente vayan incorporando estas capacidades colaborativas, pues si consideramos que en un ciclo de refinamiento textual la mayoría de iteraciones son las de una IA, la colaboración escritora con personas, desde el punto de vista de una IA, será vista como una iteración más con una IA fine-tuned… como humana. Así de simple.