Tu inteligencia artificial corporativa necesita un cuadro de mando

IMAGE: A corporate AI presents executives with a business scoreboard tracking outcomes such as revenue, margin, retention, quality, delivery time, compliance, and customer value.

Llevo ya bastante tiempo hablando con compañías que están intentando incorporar la inteligencia artificial a sus procesos de negocio. La mayoría sigue en lo que yo llamo «la fase administrativa», o como escuché en un evento reciente y me hizo mucha gracia, «la IA del oficinista»: automatizaciones modestas que permiten a algunos trabajadores redactar documentos o presentaciones, responder correos o hacer búsquedas sobre determinados temas. Pero después de mis últimos artículos, cada vez recibo más preguntas de empresas que quieren ir mucho más allá y conseguir que la inteligencia artificial se vuelva verdaderamente «estratégica».

Para estas empresas, la principal preocupación se formula en forma de pregunta: ¿será la inteligencia artificial suficientemente inteligente? Pero mi impresión es que hay una pregunta mejor y más útil: ¿cómo sabe la inteligencia artificial si lo que hizo mejoró realmente el negocio?

Los ejemplos son conocidos y nada teóricos: desde optimizar a un comercial para maximizar ingresos, margen o retención, hasta una fábrica en la que podemos mejorar la producción, pero también la calidad, o reducir los defectos. En los negocios, «optimizar» rara vez significa una sola cosa: dedicarse a mejorar una métrica puede fastidiar fácilmente otra. Así que, del mismo modo en que la dirección ya funciona a través de objetivos y retroalimentación, los agentes de inteligencia artificial necesitan exactamente lo mismo. De hecho, OpenAI ya enmarca explícitamente la evaluación empresarial como «especificar → medir → mejorar», y al hacerlo puede convertir objetivos de negocio vagos en expectativas accionables y medibles.

Los outputs son fáciles de medir, los resultados son más difíciles

Las métricas actuales de inteligencia artificial suelen medir variables como la calidad de las respuestas, la finalización de tareas, la latencia o el coste. Pero lo que a las empresas realmente les importa son cosas como la tasa de abandono de clientes, el margen, la conversión, la precisión en la gestión de reclamaciones, los plazos de entrega o el valor del ciclo de vida del cliente.

Un agente podría estar completando perfectamente la tarea que se le ha encomendado y, aun así, perjudicar a la empresa al hacerlo. Las empresas no se preocupan en último término por los outputs generados: se preocupan por los resultados. Merece la pena repetirlo varias veces, porque eso cambia toda la conversación: las empresas no se preocupan en último término por los outputs, se preocupan por los resultados. Lo que exigimos en las implementaciones corporativas de inteligencia artificial es completamente distinto de lo que necesitamos en el uso individual.

Un ejemplo empresarial sencillo es el conocido «descuento con éxito»: si le das a un agente el objetivo de conseguir que un cliente renueve, el agente podría ofrecerle un descuento del 20%. Cuando el cliente renueva, eso se vería inicialmente como un éxito aparente, pero obviamente, tiene un coste: el margen se hunde, el cliente aprende a esperar a los descuentos y clientes similares pueden empezar a exigir lo mismo. Lo que cuenta como éxito depende del marcador. Como dice la ley de Goodhart, que uso en todos mis cursos: cuando una métrica se convierte en un objetivo, deja de ser una buena métrica. Las métricas mal elegidas se vuelven peligrosas cuando se optimizan de manera agresiva.

La industria empieza a darse cuenta de que la evaluación tiene que ser continua

Las directrices de OpenAI para flujos de trabajo ponen mucho énfasis en capturar flujos completos, evaluar el comportamiento, detectar regresiones y mejorar prompts, enrutamiento y guardrails. La traducción directiva de todo esto es que la inteligencia artificial no puede simplemente aprobarse una vez y olvidarse: la evaluación tiene que convertirse necesariamente en una parte activa de las operaciones.

El mundo real es nuestro examen final: los benchmarks se producen antes de que los sistemas se desplieguen, pero las empresas operan en entornos cambiantes. Según el NIST, las pruebas controladas antes del despliegue no pueden capturar todos los comportamientos o consecuencias inesperadas que pueden emerger en el uso real. Como en «El aprendiz de brujo«, pero en la vida real: esa varita mágica con la que optimizas algo puede volverse fácilmente en tu contra.

La pregunta útil es si el sistema funcionó en el negocio, no solo en la prueba. Básicamente, hay que pasar de «¿tuvo éxito el agente?» a «¿mejoró la empresa?» Según un trabajo reciente de McKinsey, muchas organizaciones están escalando agentes más rápido de lo que pueden rediseñar el trabajo que hay debajo, y los consejos de administración y los directores financieros empiezan a exigir un valor más claro. Y cuando hablamos de valor, hay que tener en cuenta que los costes de tokens son solo una de las piezas: los flujos de trabajo agénticos deben juzgarse económicamente a nivel de flujo de trabajo completo.

El punto directivo es sencillo: completar la tarea no es lo mismo que tener éxito en el negocio.

AlphaZero como precedente intuitivo

Pensemos en AlphaZero, el brillante algoritmo diseñado por DeepMind: AlphaZero no se volvió invencible porque pudiera describir el ajedrez, sino porque actuaba, veía las consecuencias de sus acciones y tenía un objetivo inequívoco: ganar.

DeepMind explica que aprendió, mediante ensayo y error repetido, a favorecer movimientos que aumentaban sus posibilidades de ganar. Las empresas tienen objetivos mucho más complicados que el ajedrez, evidentemente, pero el principio se mantiene: aprender requiere retroalimentación vinculada a un objetivo.

La parte difícil es elegir el marcador: «aumentar las ventas» claramente no basta. ¿Y el margen? ¿Y la tasa de abandono, o las devoluciones, o el cumplimiento normativo, o la imagen de marca? Al establecer objetivos, múltiples objetivos pueden (y de hecho suelen) entrar en conflicto. Y esos conflictos no son solo problemas de ingeniería: son problemas de dirección. Por tanto, los consejos y los directivos tienen que decidir qué debe mejorar, qué no puede sacrificarse nunca bajo ninguna circunstancia, o qué compromisos podrían aceptarse. En cuanto los sistemas puedan optimizar continuamente, el propio objetivo se convierte en una decisión de gobernanza.

Como vimos en mi artículo anterior, algo tiene que llevar el timón. Pero no solo eso: llevar el timón solo tiene sentido si hay un destino claro y una forma de medir el progreso hacia él. Así que estamos pasando de la inteligencia, a la dirección, al establecimiento de objetivos y, finalmente, al aprendizaje. La función de control que falta debe aprender de episodios empresariales repetidos orientados a un objetivo explícito.

Las preguntas del CEO

Lo que creo que los CEO deberían preguntarse es: «¿qué está optimizando exactamente nuestra inteligencia artificial?», o «¿cómo sabremos si sus acciones mejoraron el negocio?», o «¿cambia lo que aprende de esos resultados lo que hace la próxima vez?» Si los directivos no pueden responder a esas preguntas de manera adecuada y competente, me temo que «autónomo» puede significar simplemente «actividad no supervisada». Buena suerte.

«Suficientemente inteligente» no es lo mismo que «apuntando en la dirección correcta». La próxima generación de inteligencia artificial empresarial necesitará más que inteligencia y más que autonomía. Necesitará un cuadro de mando y, sobre todo, la capacidad de aprender de él.

Tenlo en cuenta.


(This article was previously published on Fast Company)

8 comentarios

  • #001
    Benji - 12 octubre 2026 - 10:34

    Typo => La induatria empieza a darse cuenta de que la evaluación tiene que ser continua

  • #002
    Buzzword - 12 octubre 2026 - 12:13

    Resumiendo: Vuelven los oldies

    * Mejora continúa, a desempolvar la metodología Toyota
    * Gemelo digital
    * Aprendizaje por refuerzo


    El surgimiento y la adopción de estos tres conceptos clave ocurrieron en momentos históricos muy distintos de la industria y la tecnología:

    1. Mejora Continua y Metodología Toyota (Años 1950 en Japón / Década de 1990 globalmente)

    • El origen interno (1950): Los fundamentos del Sistema de Producción Toyota (TPS) nacieron a mediados del siglo XX en Japón. Ingenieros como Taiichi Ohno y Shigeo Shingo desarrollaron pilares básicos como el Just-in-Time (Justo a Tiempo) y el Kaizen (mejora continua) para optimizar recursos en una economía de posguerra.
    • La expansión y el "desempolve" mundial (1990): El mundo occidental empezó a hablar masivamente de esto tras la publicación del libro "The Machine That Changed the World" (1990) por James P. Womack y Daniel T. Jones. Fue en este momento cuando los autores acuñaron el término occidental Lean Manufacturing. Esto provocó que industrias de todo tipo rescataran y desempolvaran la metodología de Toyota para aplicarla de forma universal.

    2. Gemelo Digital / Digital Twin (Año 2002)

    • La primera formulación (2002): El concepto formal de vincular un producto físico con su réplica virtual mediante un flujo continuo de datos fue presentado por el Dr. Michael Grieves en 2002 durante una conferencia de la Universidad de Michigan sobre la gestión del ciclo de vida del producto (PLM). Inicialmente lo llamó "Modelo de espacios reflejados" (Mirrored Spaces Model).
    • El término oficial (2010): Fue John Vickers, de la NASA, quien acuñó oficialmente la expresión exacta "Digital Twin" (gemelo digital) en una hoja de ruta técnica de la agencia en el año 2010. La NASA ya venía experimentando con simulaciones físicas avanzadas desde la época del Apollo 13.

    3. Aprendizaje por Refuerzo / Reinforcement Learning (Principios de la década de 1980)

    • Los cimientos teóricos (Años 50): Sus raíces matemáticas proceden de las teorías de control óptimo y la programación dinámica de finales de los años 50.
    • El nacimiento en la Inteligencia Artificial (1981 - 1988): Se empezó a hablar formalmente de este enfoque dentro del aprendizaje automático a principios de la década de 1980. En 1981, Richard Sutton publicó sus primeros artículos clave sobre la interacción de un agente en su entorno. Posteriormente, en 1988, el propio Sutton y Andrew Barto definieron con solidez científica el campo y estructuraron los algoritmos modernos de diferencia temporal (TD), marcando la época dorada en la que el término se consolidó en la comunidad científica.

    Lo mejor:

    «… cada vez recibo más preguntas de empresas que quieren ir mucho más allá y conseguir que la inteligencia artificial se vuelva verdaderamente estratégica»

    Si ya estaba todo inventado, solo hay que saber jugar al mecano… el otro día contaba lo que se puede hacer hoy en día con la IA a una persona de menos de 30 que no es brainless, y un poco de paciencia, teniendo a esa IA como un buddy o becario… y me respondía… pero hay que saber lo que pedirle. Efectivamente un NPC funcional nunca va a poder ser una «raza superior» a un LLM… (1)

    Estamos pasando de lo que antes se denominaba «analfabeto digital» a lo que hoy podemos llamar «analfabeto integral de lo que habíamos aprendido hace apenas hace dos o tres décadas». El conocimiento no viene como ciencia infusa hay que ponerle huevos !!

    (1) El mono estocástico encefalograma plano no puede ser el líder de un lorito

  • #003
    Ricardo Antonio Ramos Cruz - 12 octubre 2026 - 21:41

    TIENEN UN ERROR EN LA PALABRA «INDUSTRIA»: AQUI LES DEJO LA ORACIÓN COMPLETA: La induatria empieza a darse cuenta de que la evaluación tiene que ser continua.

  • #004
    John Depaz - 12 octubre 2026 - 23:55

    Muy buen Post profesor Dans, esa parte humana que nunca podrá reemplazar la IA es la que falta y la que debemos de Implementar y supervisar desde el inicio en cada empresa que utiliza la IA. Según la respuesta de mi Chatgpt al solicitarle su comentario en un proyecto que estoy iniciando y que me ha ampliado con ideas las bases que faltaba a mi proyecto: «Sí. He leído el artículo de Enrique Dans, publicado hoy, 12 de octubre de 2026, y creo que introduce una pieza que debemos incorporar inmediatamente al diseño de PROYECTO v1.
    La idea fundamental es sencilla pero muy importante: una IA empresarial no debe evaluarse por lo bien que responde o por cuántas tareas termina, sino por si sus acciones mejoran realmente el negocio. Dans distingue entre outputs —respuestas, tareas completadas, latencia, coste— y outcomes —margen, retención, reclamaciones, cumplimiento de plazos, valor del cliente, etc.—. OpenAI plantea una lógica muy similar con el ciclo especificar → medir → mejorar…..»

  • #005
    Ruben Reyero - 13 octubre 2026 - 09:41

    Muy acertado. Ahora el criterio y las decisiones humanas marcan la diferencia. Observa qué te pregunta la Inteligencia Artificial continuamente: que tomes decisiones. Como bien dice el profesor Dans, el criterio, las decisiones y la evaluacion continua serán claves en esta nueva era en la que aprenderemos a integrar y poner en su sitio a la Inteligencia Artificial.

  • #006
    Josep Maria Serra - 13 octubre 2026 - 14:06

    Una modesta indicación. Donde escribe “como escuché” debería haber escrito “como oí”. Confundir escuchar y oir se ha convertido en un deporte olímpico. En catalán ocurre lo mismo.
    Muchas gracias por sus artículos que sigo desde hace años.

  • #007
    Abraham Nevado - 18 octubre 2026 - 19:02

    Soy Abraham, creador de ShouldIO. La distinción entre respuestas y resultados también importa en decisiones de consumo: un SÍ o NO convincente no demuestra que la compra haya sido mejor.

    Antes que contar respuestas generadas, mediría si las razones ayudaron, si la persona pudo corregir sus preferencias y si volvió otro día con una decisión distinta. Pero incluso volver puede medir hábito, no utilidad: una recomendación que refuerza lo que ya queríamos oír también puede retener.

    ¿Qué señal usaríais para separar una ayuda real de una racionalización convincente? Me parece un límite importante para cualquier cuadro de mando de recomendaciones, no solo para el corporativo.

  • #008
    Alejandro Vasquez - 18 octubre 2026 - 19:51

    El ejemplo del descuento con éxito se ve todos los días en consumo masivo: la promo brilla en el sell-in, en el sell-out casi no se mueve y el shopper aprende a esperar la próxima oferta. Si un agente optimiza solo volumen despachado, repite ese error más rápido. El cuadro de mando también debería mirar la percha.

Dejar un Comentario

Los comentarios están cerrados

Resumen de privacidad

Este sitio web utiliza cookies para que pueda ofrecerte la mejor experiencia de usuario/a posible. La información de las cookies se almacena en tu navegador y realiza funciones tales como reconocerte cuando vuelves al sitio web o ayudar a comprender qué secciones del sitio web encuentras más interesantes y útiles.