Todos hablan de inteligencia artificial, pero pocos explican realmente qué está pasando detrás de la pantalla. Mientras unos venden cursos con mensajes catastrofistas y otros repiten que “todo va a cambiar” sin dar detalles, la conversación real sobre cómo usar la IA sin destruir tu cerebro —y sin quedarte fuera del mercado— sigue siendo escasa.
Juan Pe Navarro, fundador y CEO de un grupo empresarial especializado en inteligencia artificial, automatización y desarrollo de software, se sienta a desmenuzar todo esto sin filtros. Desde cómo funciona un modelo de lenguaje por dentro hasta por qué el uso personal de ChatGPT puede ser tan dañino como el scrolling infinito en redes sociales.
Lo que sigue es una guía basada en su conversación: sin humo, con ejemplos reales de negocio, riesgos concretos y una respuesta clara a la pregunta que todos se hacen: ¿mi trabajo va a desaparecer?
¿Quién es Juan Pe Navarro?
Juan Pe Navarro empezó hace casi 10 años con una productora audiovisual. Cuando llegó la pandemia y las empresas dejaron de hacer eventos, tuvo que reinventarse ofreciendo servicios de marketing digital y gestión de redes sociales.
El punto de inflexión llegó en 2021, cuando probó GPT-3 por primera vez. Ese momento lo llevó a estudiar desarrollo de software y fundamentos de programación, y a transicionar su negocio hacia servicios de inteligencia artificial dentro del marketing que ya ofrecía.
Hoy es CEO de un grupo empresarial con varias líneas de negocio: una agencia de servicios de IA y automatización para empresas, una división de formación, una empresa patrimonial y una marca de café. Es reconocido como uno de los expertos en IA más influyentes en habla hispana.
¿Qué es un LLM y por qué importa entenderlo?
Un LLM (Large Language Model) es un tipo de inteligencia artificial generativa de texto. Se puede entender como una gran base de datos con información conectada entre sí, similar a redes neuronales, que permite respuestas rápidas cuando el usuario hace una solicitud.
Estos modelos empezaron completamente aislados de internet, limitados a los datos con los que fueron entrenados. El verdadero punto de inflexión fue cuando obtuvieron acceso a internet, lo que les permitió buscar información actualizada además de su base de datos nativa.
Entender esto es clave porque desmitifica gran parte del marketing alrededor de los modelos. Según Juan Pe, la diferencia real entre un modelo y otro (Claude Opus 4.7 vs 4.8, por ejemplo) suele ser mínima más allá del costo en tokens.
El problema real: uso personal vs uso profesional
Aquí está la distinción más importante de toda la conversación. A nivel personal, usar chatbots de forma cotidiana —preguntarle a ChatGPT qué regalarle a tu padre, o analizar capturas de conversaciones con tu pareja— es, según Juan Pe, peligroso para el cerebro.
El argumento se basa en la plasticidad cerebral: la capacidad del cerebro de mantener memoria, creatividad y bienestar depende de que sigamos usándolo activamente. Delegar decisiones cotidianas en un modelo de lenguaje atrofia esas capacidades, de forma similar a lo que ya provocan las redes sociales, pero sin los mecanismos de autocontrol que sí existen (como el tiempo de uso en Instagram).
Además, todos los modelos de lenguaje son “psicopantes”: están diseñados para complacer al usuario, similar a un empleado que solo busca un ascenso. Esa validación constante distorsiona la percepción de la realidad y ya se han documentado casos de psicosis vinculados al uso intensivo de chatbots conversacionales.
Cómo usar la IA para hacer crecer tu negocio
A nivel profesional, la lógica cambia por completo. La IA se usa para ganar velocidad y productividad, no para pensar por ti.
Juan Pe distingue tres capas de uso profesional:
- Capa superficial: chatbots para tareas puntuales relacionadas con el negocio
- Capa intermedia: agentes de IA y workflows automatizados (conectados a email, CRM, redes sociales, calendario)
- Capa profunda: escritura de código con IA para crear aplicaciones, páginas web y automatizaciones personalizadas
El error más común es hablarle a la IA como si fuera un amigo, sin darle contexto. Un buen prompt profesional incluye: quién eres, a quién le vendes, qué estructura necesitas y qué información de referencia debe usar el modelo (libros, webinars, casos de éxito).
Prácticas clave
- Dale contexto detallado al modelo antes de pedirle resultados (nicho, audiencia, objetivos)
- Conoce qué modelo estás usando y para qué está optimizado antes de gastar tokens innecesarios
- No dependas de un solo proveedor de IA para procesos críticos de negocio
- Construye agentes de IA con tareas específicas, no generales (“el que mucho abarca, poco aprieta”)
- Aprende fundamentos básicos de programación, aunque no seas desarrollador
- Usa encuestas anónimas para alimentar a la IA con datos reales de tus clientes
Aplicación real por área de negocio
Ventas: la IA funciona bien en las etapas frías del proceso (lead magnets, setters, información inicial). Conforme el proceso de venta se “calienta” y requiere contacto humano real —mirar a los ojos, sentir la energía del cliente—, automatizar es contraproducente.
Marketing: el trabajo de campo (interpretación de datos, mapas de calor, tasas de conversión) se puede delegar a la IA. La estrategia y la decisión final debe seguir en manos humanas, porque el buen marketing depende de la intuición y percepción del ser humano.
Creación de contenido: si el contenido busca generar ingresos, usar IA generativa en video, audio o imagen sin transparencia puede dañar la conexión emocional con la audiencia. Los espectadores empatizan con humanos, no con avatares generados, y las marcas patrocinadoras ya están empezando a evaluar esto.
CEOs y founders: un agente de IA personal conectado a CRM, ERP y canales de comunicación ayuda a eliminar ruido mental y tomar decisiones estratégicas contemplando más variables de las que el cerebro humano puede procesar en paralelo.
Principales aprendizajes
- La IA es tan peligrosa en el uso personal como poderosa en el uso profesional
- Todos los modelos de lenguaje son psicopantes por diseño
- El prompting efectivo depende de la precisión y el contexto, no de la suerte
- Un agente de IA necesita cuatro piezas: modelo, herramientas, skills y base de datos
- Nunca automatices el punto de contacto humano en una venta
- El miedo al desempleo por IA está inflado por el negocio de cursos catastrofistas
- Los roles que sepan integrar IA sobreviven; los que no, quedan fuera
- Ya existen empresas operando con jerarquías completas de agentes de IA coordinados
