Hemos aprendido a pensar, ahora aprendamos a ver

Hay una diferencia entre saber que una herramienta importa y saber qué hace esa herramienta. Siempre será más importante que tuerca debemos apretar.

Durante tres meses hemos hablado de criterio, de su importancia, de cómo se pierde, de las prácticas que lo sostienen y del tipo de líder que lo ejerce. Tal vez fue una conversación incómoda y difícil para algunos, pero creo que todos hemos estado en una gran zona de confort provista por el boom de la inteligencia artificial. Fue una conversación necesaria para empezar a pisar un terreno más serio: la herramientas de IA que trabajan sin conversar, los datos que viajan con o sin sobre, los agentes que ejecutan. La invitación era a sostener estas conversaciones al interior de sus equipos de trabajo, estoy convencido de que quienes lo hicieron, cuentan con una mejor posición y tienen más claro el panorama de aplicación de esta tecnología en su negocio.

Pero hay una pregunta que tal vez nos quedó pendiente: ¿criterio sobre qué, exactamente? El criterio como lo hemos definido es una capacidad de juicio, y el juicio necesita objeto. No es posible juzgar en abstracto, se juzga algo concreto: una decisión, una herramienta, una propuesta, un resultado. El directivo que llegó a este punto de la conversación con el criterio afinado tiene ahora la tarea más práctica: aplicarlo sobre un paisaje tecnológico que la mayoría no ha mirado con suficiente claridad.

El mapa que la discusión pública no entrega

Cuando alguien dice “inteligencia artificial” en una reunión de dirección hoy, las personas que escuchan están pensando en cosas distintas, algunos piensan en ChatGPT, otros piensan en el algoritmo de recomendación que usa Netflix, tal vez otros otros piensan en el sistema que detecta fraude en las transacciones de su banco o en los robots de manufactura que vieron en un documental. Son ejemplos que hemos abordado antes y todos tienen razón, pero ninguno tiene la imagen completa.

Esto importa porque las decisiones que se toman sobre IA: qué adoptar, cómo gobernarla, a qué proveedor comprarle o qué esperar de la inversión, dependen de entender con qué tipo de sistema se está tratando. Un modelo de lenguaje tiene capacidades y limitaciones radicalmente distintas a un sistema de optimización de inventario. Un algoritmo de visión computacional funciona de manera completamente diferente a un modelo predictivo de churn, una herramienta que predice sobre datos históricos las probabilidades de perder un cliente. Tratarlos como si fueran lo mismo es como tratar a un arquitecto, un ingeniero estructural y un maestro de obra como si hicieran lo mismo porque los tres construyen edificios.

La discusión pública sobre IA, sin embargo, tiende al monolito: “La IA va a cambiar todo, tiene riesgos pero crea oportunidades que no imaginamos”. Este enunciado es tan amplio que resulta casi inútil para el directivo que tiene que decidir qué sistema implementar en su área de operaciones el próximo trimestre.

La conversación que queremos proponer

Queremos entregar ese mapa que la discusión pública no da, no de manera técnica, no hay razón para que un director de finanzas entienda en detalle cómo se entrena un modelo de transformers, pero sí hay razones para que entienda qué puede hacer un modelo de lenguaje versus qué puede hacer un sistema que aprende de sus datos operativos. La diferencia es práctica, no académica.

Esto nos abrirá la puerta a comprender el costo real de estas herramientas, no el precio del contrato, sino el costo que no aparece en ninguna factura y que empieza a aparecer en los reportes ASG y como es el comportamiento organizacional frente a ese costo: cómo el uso individual se agrega en impacto colectivo, y qué hace una organización consciente de eso.

Queremos trazar un arco que va del diagnóstico a la comprensión, de la comprensión a la responsabilidad y de la responsabilidad a la visión. Es un arco honesto: la tecnología tiene capacidades reales y costos reales y el directivo que entiende ambos está en mejor posición que el que solo conoce uno.

El criterio necesita objeto. No se juzga en abstracto. Construyamos el terreno sobre el que ese criterio se ejerce.

¿Por qué este momento?

Septiembre es en la mayoría de las organizaciones el mes de la planeación. Los presupuestos del año siguiente empiezan a tomar forma y las iniciativas de transformación se priorizan o se descartan. Es el punto donde los comité de gerencia revisan qué funcionó y qué no, y en ese contexto alguien hará la pregunta: ¿cuánto vamos a invertir en IA el año que viene? Esperamos que nuestros lectores en la sala puedan abrir una reflexión sobre qué tipo de IA, para qué función específica y con qué criterio de evaluación del retorno de esa inversión. Esta columna existe para que esa conversación sea más informada.

El primer elemento del mapa, los tipos de IA que existen para el negocio, qué puede hacer cada uno y qué no puede, y por qué la distinción importa antes de firmar cualquier contrato, este será el tema de conversación la próxima semana.