Cómo la IA generativa aceleró la producción de contenido y complicó el control de calidad
La adopción de herramientas de IA generativa en el equipo de marketing produjo exactamente lo que prometía en el momento de la adopción: la velocidad de producción de borradores de contenido se multiplicó por 4 en las primeras 6 semanas. Lo que el equipo tardaba 3 horas en producir desde cero, la IA lo generaba en 20 minutos con instrucciones claras. El equipo de contenido pasó de producir 4 piezas semanales a producir 16. Era un incremento de productividad que el directorio celebró y que yo observé con una satisfacción cuidadosa, porque sabía que la velocidad de producción y la calidad del output no eran la misma variable.
Los primeros 30 días de producción acelerada revelaron el problema que la velocidad había ocultado: el proceso de revisión de calidad del equipo no había escalado al mismo ritmo que la producción. Antes de la IA, el equipo producía 4 piezas y las revisaba con cuidado porque tenían el tiempo disponible para hacerlo. Con 16 piezas a la misma velocidad de revisión que antes, cada pieza recibía una cuarta parte de la atención editorial que había recibido en el período anterior. El resultado visible en el contenido publicado era sutil al principio: algunas afirmaciones sin verificación de fuente, ocasionales inconsistencias de tono entre la voz del autor y el output de la IA, y en 2 casos específicos datos que el modelo había generado de forma incorrecta y que pasaron la revisión sin ser detectados.
El más costoso de los 2 errores de datos fue una estadística incorrecta en un artículo del blog que citaba una tasa de adopción de una tecnología con un número que el modelo había generado plausiblemente pero que no correspondía a ninguna fuente real. El artículo llevaba 3 semanas publicado y había sido compartido en LinkedIn por 2 clientes cuando alguien del sector señaló la inconsistencia en los comentarios. La corrección fue inmediata pero el daño de credibilidad fue real: no grande, pero suficiente para generar una conversación interna sobre los riesgos de escalar la producción sin escalar el control de calidad.
Rediseñé el proceso de producción con un protocolo de calidad específico para el contenido asistido por IA. Primero, verificación obligatoria de cualquier dato numérico o estadístico generado por la IA con una fuente primaria antes de publicar. Segundo, revisión de tono por parte del autor humano para asegurar que la voz del artículo era coherente con la voz establecida de la marca, no la voz promedio de la IA entrenada en millones de textos del sector. Tercero, una escala de profundidad de revisión según la criticidad del contenido: el contenido técnico con datos específicos recibía revisión completa de 45 minutos, el contenido de redes sociales recibía revisión de 10 minutos.
Con el protocolo implementado, la velocidad de producción se redujo de 16 a 10 piezas semanales porque el tiempo de revisión había aumentado proporcionalmente. El equipo producía 2.5 veces más contenido que antes de la IA con la misma calidad que había tenido en el período anterior. La IA no había eliminado el trabajo de edición. Había cambiado su naturaleza: de producción desde cero a verificación y refinamiento desde un borrador inicial. Ese cambio era genuinamente valioso. Lo que no era valioso era ignorarlo.