GuíasAI NativeNivel: dirección

Cómo se decide en una empresa AI Native

El cambio más profundo de una transformación con IA no está en qué se automatiza. Está en qué llega a una reunión y qué ya no llega. Una empresa que sigue dedicando la primera media hora de cada comité a ponerse de acuerdo sobre cuál es el número correcto no cambió nada, por muchas licencias que haya repartido.

Definición

En una empresa AI Native la reunión no es donde se busca el dato: es donde se decide con el dato ya sobre la mesa, y lo repetitivo ya se resolvió sin llegar ahí.

1234git-branchLos tres niveles de decisión
Se sube un escalón a la vez. Saltarse uno se paga después.

Los tres niveles de decisión

Toda decisión de una empresa cae en uno de tres niveles, y el trabajo de diseño es colocar cada una en el suyo.

Definición

En una empresa AI Native la reunión no es donde se busca el dato: es donde se decide con el dato ya sobre la mesa, y lo repetitivo ya se resolvió sin llegar ahí.

  1. 01

    Decide el sistema, solo. Repetitivas, con criterio claro y consecuencia acotada. Nadie las mira una a una.

  2. 02

    Prepara el sistema, decide una persona. El sistema reúne, compara y recomienda con el porqué escrito. La persona aprueba.

  3. 03

    Decide una persona, con el sistema fuera. Riesgo alto, criterio no escribible o consecuencias sobre personas.

La mayoría de empresas tiene casi todo en el tercer nivel por defecto, no por decisión. El trabajo consiste en bajar de nivel lo que se pueda bajar, uno por uno.

Hay una consecuencia del reparto que conviene decir explícitamente: el nivel de una decisión no es fijo.

Una decisión puede empezar en el tercer nivel, pasar al segundo cuando el criterio se escribe y bajar al primero cuando hay volumen y confianza. Ese recorrido es el trabajo, y dura meses.

Intentar saltar directo del tercero al primero es el error habitual, y produce sistemas que deciden solos sobre cosas que nadie había sabido explicar.

Qué cambia en la reunión

Una reunión de comité tradicional se reparte más o menos así: la mitad en ponerse de acuerdo sobre qué pasó, un cuarto en discutir por qué, y el cuarto final en decidir con prisa.

El cambio no es que la reunión sea más corta. Es que el primer bloque desaparece y los otros dos se expanden.

Reunión tradicionalReunión con el dato resuelto

Media hora acordando cuál es el número.

El número llegó antes, con su fuente.

«Habría que mirar eso.»

«Eso ya lo miramos, dice esto.»

Se decide con prisa al final.

Se decide con la mayor parte del tiempo.

El acta la escribe alguien después.

El acuerdo se registra en la reunión.

La primera fila es la que más tiempo libera y la que más discusión evita, porque la mayoría de los desacuerdos sobre estrategia empiezan siendo desacuerdos sobre el dato.

Qué se puede bajar al primer nivel

Tres condiciones que se tienen que cumplir a la vez. Con dos no basta.

  • El criterio se puede escribir. Si nadie puede explicar en una frase cómo se decide, no está listo.
  • La consecuencia de equivocarse es acotada y reversible.
  • Hay volumen. Si ocurre tres veces al mes, automatizar la decisión cuesta más de lo que ahorra.

El ejercicio útil no es preguntarse qué se puede automatizar. Es tomar las decisiones que la empresa toma cada semana y ponerlas contra estas tres condiciones. La lista sale sola.

Sobre la primera condición, que el criterio se pueda escribir: hay una prueba rápida que ahorra discusiones.

Se le pide a dos personas que deciden hoy ese caso que escriban por separado cómo lo deciden. Si coinciden, el criterio existe y se puede automatizar. Si no coinciden, lo que hay no es un criterio: son dos criterios conviviendo sin que nadie lo supiera.

Ese hallazgo por sí solo suele valer más que la automatización, porque explica inconsistencias que la empresa llevaba años atribuyendo al azar.

El segundo nivel es donde está casi todo el valor

Es el menos vistoso de los tres y el que más cambia la operación de una empresa mediana.

El sistema no decide: reúne lo disperso, compara contra el histórico, señala lo que se sale de lo normal y propone con el porqué escrito. La persona aprueba, rechaza o ajusta en un minuto en vez de en una hora.

La condición para que funcione es que la recomendación venga siempre con su razón. Una recomendación sin porqué se acepta a ciegas o se ignora, y las dos cosas anulan el valor.

Mi criterio

Si una empresa sólo pudiera hacer una cosa, le diría que lleve al segundo nivel sus cinco decisiones semanales más frecuentes. Es menos ambicioso que automatizar y produce más resultado, porque no exige confianza ciega en el sistema ni cambia quién responde.

Qué se queda arriba, siempre

No por prudencia genérica, sino porque en estos casos el sistema no tiene lo que hace falta.

  • Decisiones sobre personas. Contratar, promover, desvincular.
  • Riesgo alto e irreversible. Compromisos grandes, decisiones legales, cambios de precio a clientes.
  • Criterio que no se puede escribir. Cuando la respuesta correcta depende de contexto que nadie ha puesto por escrito.
  • Todo lo que sea la primera vez. Un caso sin precedente no tiene con qué compararse.

La cuarta es la que más se olvida. Un sistema entrenado sobre lo que pasó siempre es peor que una persona justo cuando la situación no se parece a lo de antes.

La condición innegociable: saber por qué se decidió

Cuando parte de las decisiones las prepara o las toma un sistema, la empresa necesita poder reconstruir el porqué meses después.

No es un requisito de cumplimiento normativo, aunque también lo sea. Es un requisito de aprendizaje: sin saber por qué se decidió, no se puede saber por qué salió mal.

  • Qué información había en el momento de decidir.
  • Qué recomendó el sistema y con qué razón.
  • Qué decidió la persona y si coincidió.

El tercer punto es el más valioso y el que nadie guarda. La tasa de desacuerdo entre la recomendación y la decisión humana es el mejor indicador de si el sistema está bien calibrado.

El efecto que sorprende: se decide más despacio

La promesa habitual es decidir más rápido. Lo que pasa en la práctica es más interesante y menos vendible.

Las decisiones repetitivas se vuelven instantáneas, y las importantes se ralentizan, porque ahora hay información que antes no había y hay que mirarla.

Eso no es un fallo. Es que antes se decidía rápido porque no había con qué dudar. Una empresa que pasa a discutir más sus decisiones grandes suele estar decidiendo mejor, aunque el comité se haga más largo.

Cómo se cambia esto en la práctica

No con un rediseño de gobernanza. Con una reunión, la que más duela.

  1. 01

    Elige el comité más frecuente. El semanal, no el trimestral.

  2. 02

    Lista qué se pregunta ahí cada semana. Cuáles son las mismas preguntas siempre.

  3. 03

    Haz que esas lleguen resueltas antes de la reunión, con su fuente.

  4. 04

    Mide cuánto dura la reunión y en qué se va el tiempo, dos meses después.

El paso dos es el hallazgo. En casi todos los comités que he mirado, entre el 60 % y el 80 % de las preguntas son las mismas cada semana, y nadie lo había notado porque nadie las había escrito juntas.

Qué hacer con las decisiones que nadie sabe explicar

Aparecen siempre y son las más interesantes. Alguien decide bien y no puede decir cómo.

La salida no es automatizarlas ni dejarlas como están. Es sentarse con esa persona y reconstruir el criterio a partir de casos concretos: veinte decisiones pasadas, y qué las distinguió.

En la mitad de los casos aparece un criterio escribible que nadie había puesto en palabras. En la otra mitad se confirma que depende de contexto que no se puede codificar, y esa decisión se queda arriba con fundamento y no por inercia.

Preguntas frecuentes

¿No es peligroso que un sistema decida solo?

Lo peligroso es que decida sin criterio escrito, sin límite de consecuencia y sin que nadie revise una muestra. Con esas tres cosas, un sistema decidiendo lo repetitivo es más consistente que una persona cansada un viernes por la tarde. Sin ellas, es un riesgo con fecha.

¿Cómo se elige qué decisiones bajar de nivel?

Cruzando frecuencia con consecuencia. Lo muy frecuente y de consecuencia baja se baja al primer nivel; lo frecuente con consecuencia media va al segundo. Lo poco frecuente se queda donde está aunque sea sencillo, porque el esfuerzo de automatizarlo no se recupera.

¿Qué pasa si el sistema y la persona no coinciden?

Que hay un dato valiosísimo, y hay que guardarlo. Una tasa de desacuerdo alta significa que el criterio del sistema está mal calibrado o que hay contexto que no tiene. Una tasa de cero también es sospechosa: suele indicar que la persona está aprobando sin mirar.

¿Esto no quita autoridad a los mandos medios?

Les cambia la fuente de autoridad. Deja de estar en controlar el acceso a la información y pasa a estar en el criterio para decidir con ella. Para algunos es un ascenso de hecho, y para otros es una pérdida. Anticiparlo es trabajo de dirección, no un efecto colateral.

¿Cuánto tarda en notarse en el comité?

El primer efecto, que es dejar de discutir cuál es el número correcto, se nota en semanas si alguien se encarga de que la información llegue antes. El cambio de qué se decide y a qué nivel tarda meses, porque exige tocar procesos y no sólo la preparación de la reunión.

Fuentes

Este artículo sintetiza y pone en contexto de negocio material público de estas fuentes. Léelas directo; aquí solo se agrega criterio de implementación.

  1. El NIST AI Risk Management Framework trata la trazabilidad de las decisiones automatizadas como control central, base de la sección sobre saber por qué se decidió. nist.gov/itl/ai-risk-management-framework
  2. McKinsey documenta que el valor de la IA aparece al cambiar el flujo de decisión y no al acelerar la producción de informes. mckinsey.com/quantumblack
  3. MIT Sloan Management Review documenta el reparto entre decisión automatizada, asistida y humana en organizaciones que operan con IA. sloanreview.mit.edu

Sigue explorando

El siguiente paso

No son artículos relacionados al azar: es el orden en el que esto se entiende y se aplica.

Estás aquí

Guías de implementación · Cómo se decide en una empresa AI Native

Las guías de implementación · Playbook AI Native

José Andonaire

Sobre el autor

José Andonaire

Ayudo a empresas de Latinoamérica y España a identificar, priorizar e implementar oportunidades de inteligencia artificial que generen resultados reales para el negocio. Lo que publico sale de implementaciones reales, no de teoría.