Reflexiones ejecutivas sobre tecnología, datos e inteligencia artificial

La IA puede generar muchísimo valor en una empresa.

Pero antes de comprar agentes, modelos privados o soluciones en la nube, los líderes deberían mirar algo que muchas veces queda fuera de la demo:

el costo total de implementación.

Datos, privacidad, arquitectura, integración, infraestructura, seguridad, operación, supervisión humana, métricas y responsabilidad.

No estoy en contra de incorporar IA.

Todo lo contrario.

Creo que la IA bien aplicada puede mejorar procesos, reducir tareas repetitivas, acelerar decisiones y liberar capacidad humana para trabajos de mayor valor.

Pero comprar IA sin entender el problema, el tipo de tecnología adecuada, los datos involucrados, los riesgos y la forma de medir el retorno puede convertir una buena herramienta en una mala inversión.

La pregunta seria no es:

“¿cuántos agentes de IA tiene mi empresa?”

La pregunta seria es:

“¿qué problema real resolvimos, con qué tecnología, bajo qué controles, a qué costo y con qué resultado verificable?”

La IA no es humo.

El humo empieza cuando llega la factura.

En el post anterior hablé de la última milla como el tramo humano que separa un buen diagnóstico de una ejecución real.

Si eso es cierto, la pregunta práctica es otra: ¿qué la vuelve caminable?

Lo que más funciona es estructura. Siempre.

No más reportes “para mirar”. No más métricas “por si acaso”.

Estructura.

Primero, un dueño. Un KPI sin nombre y apellido termina siendo conversación, no gestión.

Segundo, umbrales. Sin un punto de disparo, el indicador se mira, se comenta… y muere.

Tercero, acción estándar. Si cruza el umbral, se hace X. No se rediscute desde cero cada semana. Se ejecuta y después se mejora.

Cuarto, cadencia. El dato orienta, pero manda el ritmo. Revisión diaria o semanal según el proceso. Sin cadencia, todo llega tarde.

Y después viene lo que no se dibuja en un tablero, pero define el resultado: la conversación real que sostiene una decisión cuando incomoda.

La fricción natural de cualquier cambio, que conviene anticipar en lugar de descubrir tarde.

Y el feedback del piso: el dato te orienta; la operación corrige. Si ese canal no existe, la ejecución se vuelve teoría.

La IA puede automatizar partes del camino. Lo que no automatiza es la responsabilidad.

Ahí es donde la gobernanza marca la diferencia. Con dueños, umbrales, acciones y cadencia. Y después se camina.

¿Cuál de estas piezas te costó más instalar (dueño, umbral, acción estándar o cadencia) y qué hiciste para destrabarlo?

Hemos hablado de que los KPI existen para decidir, no para medir.

Hemos hablado de que la IA ordena la forma, pero no reemplaza el criterio.

Hoy quiero hablar de lo que pasa después de la decisión.

Porque en el mundo del liderazgo basado en datos, hay una zona que rara vez se menciona en los manuales de análisis: la última milla.

Ese trecho que separa la información privilegiada de la acción con consecuencias reales.

Un dashboard puede mostrarte, con una precisión asombrosa, que un área de la operación está perdiendo un 15% de eficiencia. La IA puede incluso sugerirte tres posibles cursos de acción basados en patrones históricos.

Pero ninguna métrica y ningún algoritmo van a:

• Sentarse en la sala a comunicar una decisión impopular pero necesaria.

• Responder a las preguntas difíciles del equipo que ejecuta.

• Ajustar el rumbo sobre la marcha cuando la realidad se desvía del modelo teórico.

• Poner la firma al pie de una decisión que puede salir bien... o no.

Ahí es donde muchos procesos de transformación digital se descarrilan.

Se confunde la claridad del diagnóstico (datos) con la claridad de la ejecución (liderazgo). Se asume que, por tener un pronóstico claro, la implementación será igual de lineal. Y no lo es.

La "última milla" está llena de ruido, de política interna, de resistencia al cambio, de emociones. Es un territorio humano.

Y ahí, la herramienta más potente no es un KPI, ni un gráfico, ni un prompt de IA. Es la capacidad del líder para traducir la señal fría del dato en una narrativa que movilice, en una decisión que se sostenga en el tiempo y en una responsabilidad que no se delega.

Un buen líder de operaciones o tecnología no es solo el que interpreta el mapa (los datos). Es el que camina la última milla con su equipo, ajustando la ruta según el terreno que solo se ve desde ahí abajo.

Al final del día, los datos nos dicen dónde estamos. La IA nos ayuda a visualizar a dónde podríamos ir.

Pero sólo el liderazgo nos lleva hasta allí.

¿Y tú? En tu experiencia, ¿qué es lo más difícil de ejecutar en esa "última milla" después de tener toda la información?

En muchas organizaciones se habla del valor de los datos, de las métricas y de los tableros de control como si el solo hecho de medir algo ya aportara valor.

Pero medir no es el objetivo.

El objetivo es decidir mejor.

Y ahí aparece una diferencia que, en la práctica, es enorme.

No todos los datos se transforman en información útil para la toma de decisiones. Algunos no lo hacen porque no tienen valor ontológico para el problema que queremos resolver. Otros, porque nadie los interpreta en el contexto correcto ni los correlaciona con lo que realmente sucede en la operación.

Esto se ve con claridad en el diseño de los KPI.

Un KPI no debería existir para mostrar que algo está siendo monitoreado.

Debería existir para funcionar como un disparador:

• para corregir algo que no está funcionando

• para mejorar algo que puede funcionar mejor

Si un indicador no dispara una acción concreta, solo aumenta la carga de trabajo y el ruido operativo.

El problema, entonces, no es la falta de datos. Es la falta de criterio en qué datos elegimos mirar y por qué.

Y ahí el rol del liderazgo es central.

El diseño de los KPI no es un ejercicio técnico. Es un ejercicio de comprensión del negocio, de la organización y de su contexto.

Un buen líder no pregunta “qué podemos medir”. Pregunta “qué necesitamos entender para decidir mejor”.

Cuando eso está claro, los indicadores dejan de ser un formalismo y se convierten en una brújula real para la organización.

En entornos donde sobran dashboards, reportes y métricas, la diferencia no la hace quien mide más.

La hace quien sabe qué mirar, qué ignorar y qué interpretar.

Un indicador, un dato correctamente utilizado, marca la diferencia.

Porque deja de ser información y pasa a ser dirección.

La IA democratizó la prolijidad.

Pero para quienes tomamos decisiones con impacto operativo real, esto plantea una tensión silenciosa: empezamos a confundir la pulcritud de la forma con la solidez del juicio.

La IA resuelve extraordinariamente bien la forma.

Pero la forma no reemplaza al criterio construido en años resolviendo problemas donde los márgenes de error son estrechos y las consecuencias, tangibles.

Aquí aparece una paradoja que vivo a diario: la misma herramienta que aporta valor inmenso para explorar datos o prototipar hipótesis, empieza a empobrecer nuestra comunicación cuando la usamos sin filtro para expresarnos.

Nuestra credibilidad no se apoya en escribir bien.

Se apoya en tener algo propio para decir:

• contexto acumulado,

• patrones reconocidos en el campo,

• juicio forjado en decisiones que no venían en el manual.

La IA no es el problema.

Es una de las herramientas más potentes que tenemos hoy para trabajar mejor, pensar mejor y decidir mejor cuando se la utiliza con criterio profesional.

Y en ese uso también hay algo más profundo: el respeto que nos tenemos a nosotros mismos como profesionales y como líderes.

En mi práctica la uso como:

• Sparring para tensionar mis propias ideas antes de compartirlas.

• Editor para ordenar el caos de lo que pienso.

• Investigador que me libera tiempo para lo que realmente requiere atención humana.

Pero la postura final —qué decir, cómo posicionarlo, asumir las consecuencias— sigue siendo responsabilidad mía.

El valor profesional hoy no está en producir más contenido, sino en aportar perspectiva.

Y la IA puede amplificar esa perspectiva… o diluirla por completo.

Vale la pena detenerse un momento y preguntarnos: ¿estamos usando la IA para comunicar mejor lo que pensamos, o para simular pensamiento con buena redacción?