El artículo analiza por qué los modelos de lenguaje fallan en proyectos reales complejos: no por falta de planificación discursiva, sino por carecer de un plan entendido como control, verificación y corrección continua. Los LLM generan planes convincentes, pero no pueden evaluar calidad, detectar errores relevantes ni cerrar procesos. Por eso, en gestión del talento y proyectos con impacto real, el enfoque *human-in-the-loop* no es opcional, sino clave para una automatización

El artículo reflexiona, a partir de Ortega y Gasset, sobre el paso de la técnica del artesano —anclada en la tradición— a la técnica del técnico, orientada al progreso continuo y la innovación sistemática. Esta lógica define nuestra época y también la gestión del talento, centrada en mejorar y superarse constantemente. El desafío no es si debemos progresar, sino cómo gestionar la tensión, el riesgo y el temor que este imperativo genera en las personas.

Implementar una herramienta de IA no garantiza su adopción. La adopción ocurre cuando las personas comprenden, usan y se hacen responsables de ella. Detectar predicciones erróneas no es un fracaso, sino una oportunidad para mejorar el modelo. En gestión del talento, el desafío no es solo desplegar IA, sino generar confianza, uso real y retroalimentación continua para que aporte valor estratégico.

El fin de semana participé en Emprende tu Mente: conversé con emprendedores con muchas ideas pero falta de foco. En Openagora tuvimos lo mismo y resolvimos creando una función de optimización para maximizar impacto con recursos limitados. Ejemplos: mejorar eNPS exige distinguir promotores y detractores; capacitar requiere priorizar por costo e impacto. Conclusión: Siempre mantener el foco y utilizar herramientas para decidir.