4 principios para crear productos de IA realmente útiles

Cómo crear productos de IA verdaderamente útiles, según el CEO de Granola

• Granola es una startup en la que la IA transcribe en tiempo real el audio de reuniones virtuales y presenciales, y además genera notas resumidas automáticas considerando el contexto, los participantes y las decisiones tomadas.

4 principios para aplicar al crear aplicaciones de IA

1. No tocar problemas que pronto van a desaparecer
   • Los LLM amplían drásticamente su rendimiento y su ventana de contexto cada pocos meses.
   • Granola dejó para después la función de “procesar reuniones largas” que pedían sus primeros usuarios y, en cambio, se enfocó en la “calidad del resumen”. A medida que los modelos mejoraron, la limitación de longitud se resolvió de forma natural y solo quedó la diferenciación por calidad.
2. Aprovechar el alto costo marginal como una oportunidad
   • El costo de llamar a los modelos más recientes crece en proporción al número de usuarios. Las grandes empresas no pueden usar los mejores modelos con usuarios a gran escala.
   • Una startup puede usar libremente al inicio los modelos más caros y llamadas en múltiples etapas para unos pocos clientes, y así ofrecer una experiencia de nivel Ferrari. Con el tiempo, el costo por modelo cae con fuerza y el costo de escalar también baja.
3. El contexto manda
   • Hay que ver al LLM no como una “máquina de reglas”, sino como un “becario nuevo inteligente, pero sin información”.
   • Para obtener el resultado deseado, hay que recopilar e inyectar de forma sistemática contexto como el objetivo de la reunión, los participantes y el trasfondo del proyecto. Por más que mejore el rendimiento del modelo, la competitividad seguirá dependiendo de ‘qué contexto se mete y cómo se mete’.
4. Ir por un espacio estrecho, pero a fondo
   • Para competir con un chatbot de propósito general, hay que ser claramente superior en una tarea muy específica.
   • La diferenciación no se define tanto por el algoritmo de IA como por el ‘wrapping’ (flujo de notificaciones, reconocimiento automático de participantes en reuniones, eliminación de eco y otros detalles finos de UX).
   • Mientras más acotado sea el alcance, más rápido se pueden encontrar y mitigar los patrones de error, reduciendo así el “valle inquietante”.
     Conclusión

• La velocidad de la tecnología se duplica, pero el principio fundamental del desarrollo de producto —“hacer lo que la gente realmente quiere”— no cambia.
• Los productos de IA realmente útiles nacen cuando se concentran las capacidades en problemas que no van a desaparecer, en una experiencia de usuario profunda y en el diseño del contexto.