Doxa 2564

Enséñale a tu IA cómo tomas decisiones

Por Jen Stave, Ryan Kurt y John Winsor

IA generativa

Harvard Business Review

#Doxa #Decisiones #IA #Aprendizaje #Proceso #Pensamiento #Análisis #Evaluación #Opciones #Criterios #Lógica

Resumen. A medida que los agentes de IAn asumen tareas cada vez más complejas, la principal limitación ya no es el acceso a la tecnología, sino la capacidad de una organización para hacer explícitos sus procesos de toma de decisiones. Muchas valoraciones críticas—sobre el riesgo, las excepciones, la calidad, la escalada, el trato al cliente y las compensaciones— han existido tradicionalmente como conocimiento tácito arraigado en los empleados con experiencia. Para ampliar el uso de la IA de forma eficaz, las empresas deben traducir ese conocimiento en directrices estructuradas, establecer un marco de gobernanza que considere el trabajo digital como parte de la plantilla y dotar a los directivos de las herramientas necesarias para codificar y perfeccionar continuamente los conocimientos especializados. Las organizaciones que tengan éxito crearán una «infraestructura de juicio» que haga que el conocimiento institucional sea transferible, coherente y con escalabilidad, lo que permitirá una innovación más rápida y un mejor rendimiento. Aquellas que no logren codificar su forma de pensar y de tomar decisiones corren el riesgo de quedarse rezagadas frente a los competidores que puedan aprovechar los conocimientos especializados tanto a través de trabajadores humanos como de la IA.

Algunas organizaciones han utilizado agentes de IA para transformar de verdad la forma en que se lleva a cabo el trabajo. Otros se han quedado estancados en pequeños experimentos de escaso impacto, incapaces de lograr que sus agentes rindan de forma constante a gran escala.

La diferencia entre estos dos grupos no es tecnológica, como cabría esperar. La mayoría de las organizaciones disponen hoy en día de los mismos modelos, las mismas herramientas y, en líneas generales, la misma infraestructura. La diferencia radica en los distintos enfoques ante algo a lo que la mayoría de los líderes nunca se han tenido que enfrentar: hacer explícito el juicio. Ese es el nuevo cuello de botella en la adopción de la IA, y está pillando desprevenidas a la mayoría de las organizaciones.

Durante décadas, las organizaciones no tuvieron necesidad de explicar cómo tomaban decisiones sus mejores profesionales. Los conocimientos se adquirirían a través de la tutoría, la observación y la experiencia. Los nuevos empleados observaban, escuchaban e interiorizaban poco a poco la forma de pensar de la organización. Ese modelo funcionaba cuando eran las personas que llevaban a cabo las tareas.

Los agentes de IA han cambiado las reglas del juego. A diferencia del software tradicional, pueden operar en entornos ambiguos y tomar decisiones en tiempo real. Sin embargo, a diferencia de las personas, no pueden normas similares mediante la observación ni deducir el contexto a partir de la cultura organizativa. Funcionan calculando únicamente en lo que se les indica de forma específica. Nada más.

Esto da lugar a un modo de fallo específico que está apareciendo actualmente en todos los sectores: las empresas implementan agentes de IA de atención al cliente sin codificar previamente cómo toman sus decisiones los mejores representantes de atención al cliente —por ejemplo, al gestionar una excepción en los precios, a un cliente de larga duración frustrado o una solicitud que se vende ligeramente de la política establecida—. El agente acaba desviándose del camino, sin alinearse con los objetivos de la empresa, porque nadie ha documentado nunca cómo se toma realmente esa decisión concreta ni qué contexto implícito es necesario para tomar la decisión correcta.

¿Qué significa «codificar el criterio»? Significa traducir los principios tácitos de toma de decisiones de su organización en unas directrices estructuradas que los agentes puedan aplicar. Estos principios incluyen factores como la tolerancia al riesgo, la voz de la marca, los umbrales de escalada, los estándares de calidad y la sutil lógica de la gestión de excepciones. Históricamente, estos aspectos residían en la mente de personas con experiencia. Para que la IA funcione, también deben residir en otro lugar.

Lo que distingue a los líderes de los rezagados

Las organizaciones que están tomando la delantera están creando lo que denominamos «infraestructura de juicio», que es lo que permite que la experiencia se amplíe a mayor escala.

Para que los líderes puedan crear esta infraestructura, son necesarios tres cambios estructurales:

1) Las unidades de negocio, RR. S.S. y TI gestionan conjuntamente.

Definir los límites de riesgo aceptables, establecer las expectativas de rendimiento de los agentes y gestionar su incorporación y salida de la empresa son cuestiones tanto organizativas como técnicas. Y, lo que es más importante, no pueden externalizarse.

Lo que se necesita es que los líderes empresariales, los responsables de RR. S.S. y los de IT forjen una alianza para gestionar el trabajo digital. El objetivo debería ser tratar a los agentes no tanto como licencias de software, sino más bien como colaboradores operativos cuyo comportamiento debe moldearse y perfeccionarse continuamente. Esto refleja lo que describimos el año pasado en «La IA agencial ya está cambiando el lugar de trabajo»: las organizaciones que tengan éxito en esta nueva realidad empresarial serán aquellas que gestionen activamente todo el espectro del trabajo —tanto humano como digital— como parte de una estrategia coherente de personal.

ITA Group, una empresa internacional dedicada a la organización de eventos, incentivos y programas de reconocimiento, aprendió esta lección a través de un primer intento de crear un agente de inteligencia artificial para la reserva de vuelos en su división de eventos. Lo difícil no fue crear el agente, sino definir qué debía saber este para ganarse la confianza: cuándo debía priorizar el costo, cuándo era más importante la experiencia del viajero, qué excepciones eran aceptables y cuándo era necesaria la intervención de una persona.

Esa experiencia puso de manifiesto un problema más amplio: los expertos en negocios estaban ejerciendo un control excesivo sobre los tecnólogos. La respuesta de ITA cambiar fue el modelo operativo. La empresa comenzó a proporcionar a los desarrolladores, directivos y trabajadores del conocimiento las herramientas y la capacidad necesarias para dar forma a los agentes que accionaban en su nombre. La directora de operaciones (COO), Maura McCarthy, en estrecha colaboración con el CIO, Jason Katcher, y con el apoyo del CEO y del CFO, contribuyeron a crear la alineación del equipo directivo necesaria para que ese cambio se consolidara.

«La lección más valiosa que hemos aprendido», afirma McCarthy, «es la importancia de combinar nuestra experiencia con la inteligencia artificial». El objetivo era poner el comportamiento de los agentes en manos de usuarios expertos antes de ampliarlo a gran escala, y tratar ese comportamiento como algo que debe perfeccionarse continuamente a medida que evolucionan el trabajo, el negocio y el criterio que lo rodea.

2) Los directivos se convierten en «arquitectos del criterio».

Este es el cambio más significativo, y el que la mayoría de las organizaciones subestiman.

Tomemos como ejemplo a Debbie Riazzi, directora de cumplimiento normativo y relaciones laborales de AWP Safety, la mayor empresa de seguridad en el terreno de Norteamérica, con cerca de 9.100 empleados repartidos por 33 estados. La Sra. Riazzi constituye un departamento en sí mismo y ha creado una cartera de agentes, cada uno de los cuales se encarga de un ámbito concreto de su experiencia. Uno de ellos se encarga de las solicitudes de adaptaciones médicas: consulta la descripción del puesto correspondiente, analiza cómo se resolvieron solicitudes similares y sigue un proceso de tramitación estandarizado que ella ha perfeccionado a lo largo de los años. Otro se encarga de los primeros pasos de cada solicitud de información que recibe la empresa: analizar lo que se solicita, derivarla al responsable adecuado y redactar la respuesta. Los agentes le ahorran cientos de horas al año, pero el cambio más importante es lo que ese tiempo le permite conseguir. «Puedo echar la vista atrás y demostrar que he estado haciendo esto de forma sistemática», afirma. «Eso reduce automáticamente nuestra responsabilidad como empresa».

Nathan Mapp, que ocupa el cargo de interventor en una empresa global de capital riesgo y tecnología aplicada, ha llevado este concepto un paso más allá. A lo largo de más de una docena de años en el sector financiero, Mapp ha desarrollado un profundo bagaje de conocimientos y lo ha codificado en una serie de archivos Markdown a los que sus agentes —creados con Claude y Claude Code— pueden consultar en tiempo real. Un equipo de dos personas cubre ahora un volumen de trabajo que antes habría requerido a diez. En cada tarea que gestionan esos agentes, se aplica de forma coherente el criterio de Mapp, como si un contable de primer nivel prestará atención a cada detalle, incluidos aquellos que, de otro modo, recaerían en un miembro del equipo con menos experiencia.

Lo que han hecho Riazzi y Mapp es sistematizar el ejercicio del criterio en el ámbito laboral. Los directivos se centran ahora en poner en práctica los conocimientos especializados, tanto en su vertiente humana como digital. Se trata de un conjunto de competencias esencialmente diferentes, que la mayoría de las organizaciones aún no han desarrollado ni valorado.

3) El «pensador-hacedor» se convierte en el empleado más valioso.

La división tradicional entre pensadores estratégicos y ejecutores operativos se está desmoronando. Los empleados de alto rendimiento son, cada vez más, ambas cosas: razonan estratégicamente y ponen en práctica su pensamiento a través de agentes. Diseñan flujos de trabajo, codifican el criterio, crean y perfeccionan sistemas, y avanzan continuamente en la cadena de valor.

Ramp, una plataforma financiera líder utilizada por 30.000 empresas, ha apostatado todo por este perfil. Todos los empleados tienen acceso a ChatGPT Enterprise, Notion y Perplexity, y reciben formación durante el proceso de incorporación para crear sus propias herramientas de IA, en lugar de limitarse a «pulsar botones» en sistemas creados por otros. Cada empleado está capacitado para codificar sus propios conocimientos especializados y aplicarlos a través de agentes. Este es el perfil al que hemos empezado a denominar «el pensador-hacedor»: alguien que no se limita a utilizar la IA como una herramienta, sino que da forma a la manera en que la IA actúa en su nombre. Las organizaciones que cultivan este perfil a gran escala aprenderán y se adaptarán más rápidamente que aquellas que sigan centrándose en optimizar una u otra habilidad.

Por dónde empezar

La mayoría de las organizaciones abordan este reto de forma incorrecta. Piden a personas con experiencia que pongan por escrito lo que saben. Esa rara vez funciona. Es bien sabido que a los expertos les cuesta mucho expresar el conocimiento tácito de forma abstracta, ya que saben mucho más de lo que pueden expresar cuando se les pide directamente que lo documenten.

Un método más eficaz: no les pida que documenten su criterio. Cree las condiciones para que este afloren de forma natural.

Reúna a un pequeño grupo de profesionales con experiencia que desempeñen la misma función. Cuente con un moderador cualificado y guía al grupo a través de una serie de situaciones realistas y casos extremos reales a los que se enfrenta la organización. En aquellos puntos en los que el grupo llegue rápidamente a un acuerdo, dispondrá de una política clara. En aquellos en los que no se pongan de acuerdo, obtendrán un criterio que merece la pena recabar. La transcripción de esa conversación se convertirá en su primer borrador de criterio codificado.

Un equipo de siniestros de una compañía de seguros podría sacar a la luz más matices sobre la tolerancia al riesgo, la empatía con el cliente y la lógica de escalada en una sola sesión de dos horas que los que jamás se hayan recogido en años de procedimientos documentados, ya que el debate exterioriza el razonamiento de una forma que la documentación nunca logra. Esa transcripción es necesaria como capa contextual fundamental para todas las futuras implementaciones de sistemas de toma de decisiones.

Un nuevo factor diferenciador

Cuando el criterio se codifica con éxito, ocurre algo de gran importancia estratégica: la experiencia se vuelve transferible. Las mejores prácticas ya no quedan limitadas a su personal más veterano. El conocimiento institucional puede aplicarse a gran escala en todas las funciones, zonas geográficas y productos. Las organizaciones que descubran cómo codificar el conocimiento tácito obtendrán una ventaja estructural: decisiones más rápidas, una calidad más uniforme, mayor capacidad de innovación y una capacidad autorreforzada para aprender y mejorar.

La trayectoria de ITA Group muestra cómo se manifiesta este efecto acumulativo en la práctica. Los primeros seis o siete meses fueron lentos, ya que la empresa estaba aprendiendo a plasmar el criterio y los conocimientos especializados de los empleados expertos en los archivos de contexto que utilizan los agentes. Sin embargo, una vez que ese modelo operativo comenzó a afianzarse, el ritmo cambió, especialmente en el desarrollo de software. Tras una formación inicial, los desarrolladores comenzaron a utilizar los agentes no solo para generar código funcional, sino también para pasar más rápidamente de la idea al prototipo. Gran parte del trabajo pasó a ser autodirigido, los plazos se redujeron de meses a semanas y el hábito de utilizar los agentes para replantearse el propio trabajo comenzó a extenderse a otras funciones.

La lección es que el juicio codificado se acumula. Los primeros casos de uso son lentos porque la organización está aprendiendo a plasmar de forma específica los conocimientos especializados. Los siguientes avanzan más rápido porque la organización ha consolidado la confianza, la gobernanza y el ritmo operativo necesarios para repetir el patrón.

Esta es la evolución natural de la estrategia de plantilla híbrida que esbozamos en nuestro artículo anterior sobre cómo la IA autónoma está transformando el lugar de trabajo. La asignación de tareas y la integración de equipos formados por personas e IA constituyen el primer paso necesario. Pero no es suficiente. Las organizaciones que crean equipos formados por personas e IA descubren rápidamente que la calidad de dichos equipos depende por completo de la calidad de la orientación que proporcionan a sus agentes. La implementación es un requisito mínimo. La infraestructura de toma de decisiones constituye la ventaja competitiva y el diferenciador estratégico para una empresa pionera.

...

La primera fase de la adopción de la IA se centró en quién tenía acceso a los mejores modelos. Esa fase ha concluido en gran medida, ya que el acceso se ha convertido en algo habitual. La siguiente fase vendrá definida por quién haya realizado el arduo trabajo de codificar su forma real de pensar y trabajar.

La mayoría de las organizaciones aún no han comenzado a realizar ese trabajo. Las que lo harán darán forma al futuro del trabajo en sus sectores. Las que no lo hagan se encontrarán en la misma situación que las empresas que dudaron en desarrollar una estrategia de personal desde el principio: en desventaja estructural, una situación que se agravará con el paso del tiempo.

Lea más sobre IA generativa o temas relacionados Inteligencia artificial y aprendizaje automático, Tecnología y análisis, Innovación disruptiva, Gestión de la información, Automatización, Experimentación, Toma de decisiones organizativas, Cambio organizacional y Gestión de procesos

Jen Stave es la directora fundadora del Instituto de Inteligencia Artificial de la Harvard Business School; socia y directora de la práctica de Asesoramiento Estratégico en Keystone; y asesora del Laboratorio de Inteligencia Artificial.

Ryan Kurt es el fundador y consejero delegado de The AI ​​Lab, una empresa de estrategia y asesoramiento que ayuda a los consejeros delegados a acelerar la transformación de la IA. Anteriormente, dirigió iniciativas de IA en Salesforce y ha pasado más de una década asesorando a ejecutivos de Fortune 500 sobre IA.

John Winsor es autor de *La mentalidad del explorador: la ventaja del liderazgo en una economía impulsada por la IA* (de próxima publicación) y coautor de *Talento abierto: aprovechar la fuerza laboral global para resolver sus mayores desafíos* (Harvard Business Press). Es miembro ejecutivo del Instituto de IA de la Harvard Business School, donde su investigación se centra en la intersección entre la IA, el diseño organizativo y el futuro del trabajo. Asesora a altos directivos y organizaciones que se enfrentan a esta transformación.