Durante la primera década de su trayectoria profesional, la autora se dedicó a la gestión de productos y el análisis de datos, construyendo modelos predictivos y sistemas de gestión de información en gigantes minoristas como Best Buy y Target. Hoy, lidera la transformación de la inteligencia artificial empresarial en Lowe’s, un referente en el sector del hogar y la construcción. Esta experiencia le ha llevado a identificar un cambio crucial: el enfoque se ha desplazado de la simple construcción de sistemas de IA a la necesidad imperiosa de gobernarlos. El objetivo último no es vender IA, sino emplearla para ofrecer experiencia valiosa en el momento preciso en que el cliente la necesita. En industrias orientadas al consumidor, los asistentes virtuales pueden resolver dudas cotidianas y guiar hacia productos y servicios, transformando roles tecnológicos. El trabajo ya no se limita a la creación de la IA; abarca la definición de su operativa: qué decisiones pueden tomar de forma autónoma, cuándo deben derivar a un humano y qué acciones deben permanecer vetadas. Este fenómeno, denominado el “cambio de gobernador”, implica pasar de ejecutar tareas a establecer la intención, los principios y los límites dentro de los sistemas que ahora las realizan.
Este cambio afecta a todos los responsables de los resultados generados por máquinas. No se trata del usuario ocasional de un chatbot, sino de ingenieros, gestores de producto, analistas y operadores de negocio que avalan el trabajo que una inteligencia artificial ha redactado. Esta transición es el tema central de su nuevo libro, The Enterprise Brain, donde se introduce el concepto de “gobernanza de la IA”. Para los operadores de negocio, esto significa decidir qué excepciones de precios puede aprobar un agente o cuáles deben escalarse, definiendo así la gobernanza en la práctica. Una investigación de 2025 del Project NANDA del MIT Media Lab reveló que, a pesar de una inversión estimada de entre 30.000 y 40.000 millones de dólares en IA generativa empresarial, la mayoría de las organizaciones no ha demostrado un impacto medible en pérdidas y ganancias. Solo alrededor del 5% de los pilotos integrados generaban valor sustancial, evidenciando la dificultad de pasar de la experimentación a resultados empresariales escalados. Los investigadores denominaron este patrón la “Brecha GenAI”, un término adoptado para el libro, subrayando que las empresas no suelen carecer de tecnología, sino de personas capaces de dirigir los sistemas y respaldar sus resultados.
Seis Guías Fundamentales para la Gobernanza de la IA
La complejidad inherente a la implementación y gestión de la Inteligencia Artificial en entornos empresariales exige un marco de actuación claro y bien definido. La autora propone seis directrices clave que pretenden ser una hoja de ruta para navegar este nuevo panorama, evitando la llamada “Brecha GenAI” y asegurando que la inversión en IA se traduzca en valor tangible y sostenible. Estas pautas están diseñadas para ser aplicadas por aquellos que deben supervisar y avalar las acciones de los sistemas de IA, desde ingenieros hasta directivos.
1. Reconocer la nueva realidad: el «middleware humano»
Muchos profesionales se han convertido en la versión humana del “middleware” en software: un enlace entre sistemas que extrae datos, los reformatea y los reenvía. Esto se conoce como la “trampa del administrador”. Si bien los agentes de IA son eficientes en la transmisión de información, carecen de la capacidad para discernir qué datos son relevantes, qué riesgos son significativos o qué compromisos son aceptables. La IA puede ejecutar estas tareas de retransmisión, pero la capacidad de juicio, la evaluación crítica de la información y la toma de decisiones estratégicas siguen siendo dominios eminentemente humanos. Identificar y minimizar el tiempo dedicado a estas tareas administrativas es el primer paso para reorientar los esfuerzos hacia funciones de mayor valor añadido.
2. Transitar de Reglas a Principios: Flexibilidad y Adaptación
Históricamente, las empresas han operado bajo un conjunto de reglas estrictas para gestionar el trabajo, como la necesidad de aprobaciones para ciertas devoluciones o revisiones para el código. Sin embargo, estas reglas se vuelven ineficaces cuando un sistema automatizado gestiona miles de decisiones por hora y se enfrenta a situaciones imprevistas que ningún manual de procedimientos puede anticipar. En lugar de reglas rígidas, la gobernanza de la IA requiere la definición de principios claros y jerarquizados. Estos principios guían a los sistemas para lograr resultados deseados sin cruzar límites éticos o estratégicos, permitiendo que la IA resuelva conflictos de forma autónoma, similar a cómo un equipo bien liderado actúa en ausencia del gestor. La máxima prioridad es, por ejemplo, nunca perjudicar al cliente, decir la verdad, proteger la economía y actuar con rapidez. Establecer estos principios de manera explícita y priorizada es una tarea de liderazgo fundamental en la era de la IA, redefiniendo los derechos de decisión dentro de la organización.
3. Codificar la Cultura Corporativa en la IA
Los valores y la cultura de una empresa, a menudo plasmados en pósters corporativos, deben ser traducidos a instrucciones legibles por máquinas para que los agentes de IA puedan seguirlos automáticamente. Esto implica estructurar la gobernanza en tres capas: la constitución, que establece las reglas inquebrantables y la obligación de basar las afirmaciones en evidencia; la doctrina, que define la estrategia competitiva y los compromisos aceptables, como priorizar la relación a largo plazo sobre una venta inmediata; y el playbook, que detalla las tácticas específicas para cada tarea. Al integrar los valores corporativos directamente en el código de la IA, se asegura que las operaciones automatizadas estén alineadas con la identidad y los objetivos de la empresa, creando un marco de actuación coherente y predecible.
4. Un Termostato de Confianza, No un Interruptor
La preocupación sobre la fiabilidad de la IA, como la posibilidad de que proporcione información incorrecta o precios erróneos, es un obstáculo común. Tratar la confianza como un simple interruptor binario (confiar o no confiar) resulta en dos escenarios insostenibles: sistemas sin supervisión o la revisión humana de cada transacción, lo que anularía los beneficios de la automatización. La solución propuesta es un “termostato de confianza”. Cada decisión de un agente de IA va acompañada de una puntuación de confianza calculada frente a los principios establecidos. Si la puntuación supera un umbral predefinido, la IA actúa de forma autónoma; por debajo de ese umbral, interviene un humano. Las respuestas humanas retroalimentan el sistema de aprendizaje, permitiendo que casos similares posteriores se resuelvan de forma independiente. Este enfoque garantiza que cada decisión sea transparente, auditable y explicable, operando bajo un modelo de “caja de cristal”.
5. Contextualizar antes de Gobernar: La Importancia de la Memoria Empresarial
La gobernanza efectiva de la IA depende de que el sistema posea una comprensión integral del panorama operativo. Al igual que un empleado experto maneja conjuntamente el presupuesto, los contratos y las quejas de clientes, un sistema de IA necesita acceder a una visión unificada del negocio. La mayoría de las implementaciones empresariales de IA fallan en este punto debido a la dispersión de la información en aplicaciones incompatibles. El marco completo propuesto se denomina CCRAG: Connections, Context, Reasoning, Actions, Governance. Las Connections aportan la información bruta; el Context la teje en un grafo que representa una imagen conectada del negocio, dotando a los agentes de una memoria; el Reasoning toma las decisiones; las Actions las ejecutan; y la Governance asegura la alineación con la intención de la empresa. Invertir adecuadamente en contexto y gobernanza, donde residen las capacidades humanas, es tan crucial como optimizar el razonamiento. La riqueza del contexto se acumula con cada interacción, haciendo el grafo más robusto y difícil de replicar.
Esta necesidad de un contexto unificado y accesible es vital para que la IA pueda tomar decisiones informadas y alineadas con la estrategia general. De manera similar, la forma en que las empresas integran la inteligencia artificial en sus operaciones logísticas, como se ve en los robots de Amazon que optimizan entregas, demuestra la importancia de tener sistemas que comprendan el entorno operativo completo para ser verdaderamente eficientes.
6. Liderar por Excepción: El Camino Hacia la Escalabilidad
El cambio de hábito más significativo reside en aprender a liderar por excepción. En lugar de revisar cada informe o dato, el nuevo paradigma implica que la máquina notifique los casos que no pudo resolver con alta confianza. Los flujos de trabajo rutinarios se ejecutan sin intervención humana, liberando la atención de las personas para centrarse en las porciones ambiguas, novedosas o de alto riesgo. Inicialmente, esto puede generar una sensación de pérdida de control, pero en realidad conduce a una empresa autoescalable, donde el crecimiento de la producción no requiere un aumento proporcional de la plantilla. Los humanos no son eliminados del proceso, sino elevados por encima de él, dedicándose a tareas que exigen discernimiento y juicio.
Este modelo de liderazgo por excepción es fundamental para el avance de la robótica industrial, donde la automatización de tareas repetitivas permite a los operarios enfocarse en la supervisión y la optimización de procesos complejos. La capacidad de gestionar excepciones y anomalías es clave para el éxito en entornos dinámicos, un desafío que también se aborda en el desarrollo de la IA táctil para la manipulación robótica precisa, donde la adaptación a condiciones variables es esencial.
La Cuestión de la Identidad Profesional en la Era de la IA
Al discutir este cambio de paradigma, la resistencia a menudo no proviene de barreras técnicas, sino de cuestiones de identidad profesional: si la IA se encarga de “hacer”, ¿qué papel queda para el ser humano? Esta pregunta ha paralizado a profesionales capaces y ha llevado a la autora a reflexionar sobre su propia trayectoria. Sin embargo, el verdadero valor del trabajo humano nunca residió únicamente en la ejecución, sino en el juicio. La acción era simplemente la expresión de ese juicio.
La IA no ha devaluado el juicio; al contrario, lo ha convertido en el recurso más escaso en una organización. Por primera vez, el juicio de una persona, bien articulado y documentado, puede guiar miles de decisiones diarias. Unido al juicio, se encuentra el gusto, un atributo menos discutido. Mientras el juicio determina si una respuesta es correcta, el gusto evalúa si la pregunta formulada valía la pena ser hecha y cuál de las múltiples opciones defendibles es la más adecuada para ofrecer al cliente. Una máquina puede generar todas las opciones posibles, pero carece de la capacidad de discernir cuál es la óptima desde una perspectiva estratégica o centrada en el cliente. La transición hacia la IA recompensa instintos que muchos profesionales ya poseen: pensamiento sistémico, precisión en la definición de requisitos y honestidad al reconocer los modos de fallo. Las herramientas han evolucionado, pero la disciplina subyacente permanece. Gobernar es el ámbito donde el gusto y el juicio dejan de ser conceptos abstractos y se convierten en el núcleo del trabajo, definiendo el futuro de la profesión en la era de la inteligencia artificial.
La precisión y la capacidad de juicio son fundamentales en el desarrollo de tecnologías avanzadas. Por ejemplo, la innovación en sistemas robóticos como la mano de Atlas de Boston Dynamics, equipada con sensores táctiles, requiere un juicio experto para su diseño y aplicación, asegurando que la destreza se traduzca en operaciones industriales eficientes y seguras.
By
