El Límite del Criterio

Hay una falla organizacional específica que vale la pena nombrar. No aparece en ningún informe de ROI de automatización. Tampoco en los dashboards de productividad ni en las presentaciones de transformación digital. Vive en la zona gris: el espacio entre lo que la máquina ejecuta bien y lo que una organización todavía no decidió respecto a quién debe decidir.

Las empresas llevan dos años haciendo lo correcto: automatizar la ejecución. Los informes se redactan a velocidad de máquina. Los datos se extraen, se resumen, se reformatean. Los primeros borradores aparecen antes de que alguien haya tomado el primer café. El throughput sube. La dotación parece eficiente. La maquinaria gira incansable.

Y entonces llega una decisión — una contratación estratégica, una relación con un cliente bajo tensión, una asignación de recursos con consecuencias en cadena que nadie modeló — y el sistema la deriva a ningún lugar en particular. Se queda ahí. Se escala a alguien que no la esperaba. Se resuelve, eventualmente, por quien tenía tiempo para tomarla, no por quien tenía el criterio para hacerlo.

Esto es el cuello de botella del criterio. Y es, en este momento, el desafío organizacional central que la mayoría de las empresas no están resolviendo.

La máquina es buena para encontrarlo

Acá está la ironía útil: la IA está genuinamente bien equipada para identificar dónde vive el cuello de botella.

Reconocimiento de patrones en datos de flujo de trabajo, detección de anomalías en la latencia de decisiones, identificación de los momentos recurrentes donde un proceso se traba o se escala inesperadamente — estas son exactamente las tareas que las herramientas analíticas de IA manejan bien. Una empresa que desplegó IA con seriedad en sus operaciones puede, en principio, usar esa misma infraestructura para auditarse a sí misma. Para encontrar las costuras. Para ver dónde el sistema está derivando preguntas que no fue diseñado para responder.

Lo que la IA no puede hacer es resolver el problema que encuentra. El cuello de botella no es un artefacto técnico. Es del tipo organizacional. Existe porque la empresa no decidió — de forma explícita, sistemática — qué decisiones requieren un humano, qué tipo de humano, y bajo qué condiciones. Derivar esa pregunta de vuelta a un agente de IA no la resuelve. La posterga, a escala, con más … confianza.

Esto resulta relevante porque el instinto, cuando un diagnóstico de IA identifica un punto de fricción, es arreglarlo con más IA. Un modelo mejor. Un flujo agéntico más sofisticado. Otra capa de automatización sobre el hueco. A veces eso es correcto. Con frecuencia, empapela el problema real: que nadie definió cómo actuaría el buen criterio en ese momento, y por eso ningún sistema — humano o máquina — puede ejercerlo de forma confiable.

La brecha estratégica que nadie quiere admitir

El ochenta y cinco por ciento de las organizaciones dice que está avanzando hacia la IA agéntica. El setenta y seis por ciento carece de la infraestructura para sostenerla. Esa brecha suele enmarcarse como un déficit tecnológico. No lo es. Es un déficit estratégico escondido detrás de una conversación acerca de la adopción de tecnología

La IA agéntica — sistemas que persiguen objetivos a través de múltiples pasos, tomando decisiones intermedias sin intervención humana en cada turno — es un compromiso organizacional fundamentalmente distinto al de la automatización. La automatización reemplaza una tarea. El agente reemplaza a un tomador de decisiones, al menos dentro de un dominio definido. Las preguntas que requieren esos dos compromisos no son las mismas.

La automatización pregunta: ¿qué tareas son lentas, repetitivas o propensas al error? La perspectiva agéntica pregunta: ¿qué decisiones podemos definir con suficiente precisión como para que un sistema las tome de forma responsable sin revisión humana? La segunda pregunta es más difícil. Requiere saber qué es lo que realmente se está decidiendo, cómo se ve un buen resultado, cuáles son los modos vinculados a fallas, y quién es responsable cuando las cosas salen mal. La mayoría de las organizaciones no hicieron ese trabajo. Desplegaron la tecnología en su lugar.

Las empresas que avanzan hacia la IA agéntica sin responder esas preguntas primero no se están moviendo más rápido. Están acumulando deuda organizacional. Las decisiones se toman a velocidad y escala mediante sistemas cuyos parámetros no fueron examinados, con objetivos definidos para un entorno de tareas que desde entonces cambió, a través de flujos que derivan las excepciones — los casos difíciles, los casos extremos, los que realmente importan — a humanos que no tienen contexto de por qué el sistema se los pasó.

La urgencia por volverse agéntico es comprensible. La tecnología es genuinamente impresionante y la presión competitiva es real. Pero la estrategia no es elegir qué herramientas comprar. Es decidir qué se está tratando de hacer, y qué no se está dispuesto a dejar que la máquina decida sola. Esa pregunta previa no es técnica, y ninguna infraestructura la resuelve.

La intuición no agéntica

Hay una categoría de mejora organizacional de la que no se habla mucho ahora mismo, porque no es emocionante y no implica el lanzamiento de un nuevo modelo. Implica pensar con más cuidado sobre la toma de decisiones humana y ser honesto sobre dónde está el problema real.

Algunos cuellos de botella del criterio existen porque la persona equivocada está tomando la decisión — la responsabilidad se alejó de donde solía vivir la autoridad. Otros existen porque los criterios de decisión no fueron definidos, entonces cada instancia se escala aunque no debería. Otros existen porque la organización adoptó automatización sobre un proceso sin aclarar nunca qué era lo que el humano en ese proceso realmente estaba decidiendo.

En todos estos casos, más IA empeora el problema, no lo mejora. Mayor throughput con responsabilidad difusa solo significa más decisiones tomadas mal, más rápido. Caminos de escalamiento más claros, derechos de decisión mejor definidos, estructuras de responsabilidad más explícitas — estas son intervenciones organizacionales, no tecnológicas. Y con frecuencia liberan más valor del que hubiera generado el flujo agéntico montado encima de ellas, porque abordan la brecha real en vez de automatizar alrededor de ella.

Esto no es un argumento contra la IA. Es un argumento a favor de la secuencia. Las organizaciones que lo están haciendo bien no preguntan primero "¿qué podemos automatizar?". Preguntan: ¿qué decisiones requieren a alguien que pueda equivocarse y ser responsable por equivocarse? Esa pregunta tiene una respuesta. Trazar la línea es el trabajo real del diseño organizacional ahora mismo — no la selección de herramientas que acapara toda la atención.

La línea

¿Qué significa mantener una decisión en manos humanas? No toda evaluación de criterio requiere un directivo senior y una reunión de dos horas. El punto no es que las máquinas no puedan ser rápidas y los humanos deban ser lentos. Es que ciertas categorías de decisión requieren algo que ningún sistema de IA actual puede proveer de forma confiable: la capacidad de reconocer cuándo los parámetros mismos están equivocados.

La IA agéntica ejecuta dentro de parámetros definidos. Optimiza para objetivos declarados. Lo que no puede hacer — al menos todavía no, y no de forma confiable — es reconocer cuándo la situación se alejó del escenario para el que fueron diseñados esos parámetros. El momento en que el modelo debería decir "este caso es diferente de una manera relevante" y derivar la decisión hacia arriba, es en sí mismo una forma de expertise. Requiere entender no sólo cuáles son las reglas, sino por qué existen y qué están tratando de proteger.

La mayoría de las organizaciones no construyeron esa lógica de derivación; construyeron automatización y la llamaron inteligencia. El cuello de botella no está donde ocurre la ejecución: está donde ocurre el reconocimiento — el momento en que un sistema o una persona entiende que esta instancia no es aquella para la que fue diseñado el flujo de trabajo.

Construir ese reconocimiento en una organización es difícil y poco glamoroso. Requiere mapear decisiones, asignar responsabilidad, definir cómo se ve un caso extremo y qué hacer cuando estás en uno. Requiere resistir la presión de automatizar más allá de la ambigüedad en lugar de atravesarla.

Pero es el problema real. Y hasta que se resuelva, la maquinaria seguirá girando incansable, y las decisiones que más necesitan criterio seguirán llegando a … ningún lugar en particular.