Un estudio publicado en MIT Sloan Management Review explica por qué el hallazgo que cambia una estrategia rara vez aparece en una conversación con la IA, por bien construida que esté la pregunta. La clave está en dirigir la IA empresarial en lugar de limitarse a preguntarle: configurar el sistema una sola vez, decidir qué datos puede tocar, qué puede hacer con ellos y hacia dónde tiene que mirar mientras trabaja, para que encuentre lo que nadie ha sabido buscar hasta ahora.
- Una buena respuesta de la IA no es lo mismo que un buen hallazgo.
- Una IA que compara lo que dice un equipo con lo que hay escrito puede encontrar claves importantes.
- Cuando un sistema de IA encuentra algo raro, suele ser justo el dato que hay que revisar.
- En las direcciones de tecnología e industria españolas, la IA sigue siendo un becario al que se le pregunta; muy pocas veces se la trata como un sistema que hay que diseñar.
- Se puede configurar la IA para que encuentre lo que nadie ha sabido buscar hasta ahora.
El comité que no vio venir el fallo de un proveedor clave
Una ingeniera de calidad que participaba en un comité de homologación de proveedores de una planta de componentes para aerogeneradores me contó un caso interesante.
Cada trimestre revisaban los mismos tres indicadores:
- Plazo de entrega
- Tasa de rechazo
- Cumplimiento de especificación
Un martes de febrero tocaba renovar la homologación de un proveedor que llevaba una década sin una sola incidencia, y nadie puso ninguna objeción.
Ella preguntó si alguien tenía dudas. La respuesta fue la de siempre: los indicadores estaban dentro de rango. Siete meses después, ese proveedor tuvo un fallo de suministro que paró una línea de montaje durante casi dos semanas.
Cuando revisamos las actas de los tres años anteriores, encontramos algo que nadie había escrito nunca en un informe: en cada reunión, alguien mencionaba de pasada que ese proveedor dependía de un único ingeniero de calidad. Y en cada reunión, esa frase se perdía entre los indicadores.
Durante mucho tiempo pensé que esa anécdota era un ejemplo de falta de rigor en una homologación. Sin embargo, el estudio de Jennifer Sloan y Vern L. Glaser me hizo ver que había algo más profundo y sistémico debajo.
Preguntarle a la IA no es lo mismo que dirigirla
Partimos de la idea de que el mismo criterio que te hace bueno en tu trabajo es el que decide qué dejas de mirar. Los años en un comité de homologación enseñan qué indicador vigilar y cuál ignorar, y ese aprendizaje cierra la puerta exactamente donde después aparece el problema.
El hallazgo que cambia una estrategia suele aparecer en el borde de ese marco, justo donde una interpretación choca con otra.
Existen dos maneras de trabajar con inteligencia artificial:
- Conversar: escribes una pregunta, lees la respuesta, la afinas y vuelves a preguntar. El hilo del análisis lo sostienes tú, y solo llega hasta donde tu pregunta ha sabido llegar.
- Dirigir: configuras el sistema una sola vez, decidiendo qué datos puede tocar, qué puede hacer con ellos y hacia dónde tiene que mirar mientras trabaja. Esa última decisión es la que más se tuerce cuando algo sale mal.
Las tres piezas para dirigir bien un sistema de IA
Dirigir la IA empresarial bien depende de tres piezas:
- Qué datos puede tocar el sistema: su contexto.
- Qué puede hacer con ellos: sus capacidades.
- Hacia dónde tiene que mirar mientras trabaja: su orientación, la pieza que más se tuerce cuando algo sale mal.
El error más habitual: pedir que confirme, no que descubra
El error más habitual al dirigir mal un sistema está en la orientación: pedirle que confirme algo, en lugar de dejarle margen para encontrarlo.
Un sistema orientado a confirmar una ventaja competitiva la confirma, y de paso deja pasar que esa misma ventaja se esté diluyendo por dentro. Dirigir bien es fijar el terreno de búsqueda y dejar el resultado abierto.
Cuando se configuran varios agentes a la vez, cada uno con una orientación distinta sobre el mismo conjunto de datos, entra en juego un agente orquestador: el sistema que compara lo que ha encontrado cada agente y señala dónde coinciden y dónde chocan.
Cuando la contradicción aparece entre análisis bien hechos, merece la pena investigarla en vez de descartarla. Suele apuntar a algo que ninguno de los dos habría encontrado por separado.
La propuesta se apoya en dos investigaciones de los propios autores: un estudio cualitativo sobre descubrimiento asistido por IA que identifica cuatro caminos por los que estos sistemas generan hallazgos inesperados durante un análisis, y un segundo trabajo que examina cómo funcionan las organizaciones como conjuntos algorítmicos, mostrando que un sistema de este tipo queda determinado por qué datos puede tocar, qué capacidades tiene configuradas y cómo se reparte la capacidad de actuar dentro de él.
Cada uno de estos movimientos también se puede intentar con un prompt bien construido. Lo que cambia al dirigir un sistema de agentes es la profundidad: cuánto aguanta el análisis antes de volver a preguntar.
Configurar el sistema es solo el principio. Después hay que leer bien lo que encuentra.
Cuatro formas de dirigir la IA empresarial para encontrar hallazgos ocultos
Así resume el propio estudio los cuatro enfoques, en el mismo orden en que se desarrollan a continuación.
1. Varias lentes: cuando cuatro diagnósticos se contradicen, ahí está la respuesta
En más de un comité de dirección he visto pedir «un diagnóstico» sobre por qué caen los márgenes. El comité, sin darse cuenta, siempre mira el mismo sitio: comercial explica el problema por precio, financiero por coste, y ahí se queda la conversación.
Cada mirada por separado tiene su lógica, pero juntas se comportan distinto. Un recurso de la empresa que cuesta imitar puede seguir recibiendo la misma inversión que otro fácil de copiar, y nadie se entera porque nadie ha puesto las dos miradas juntas.
El estudio plantea el caso de un fabricante mediano de piezas metálicas para aeronáutica, automoción y energía, con el margen cayendo tres años seguidos. En vez de pedir un único análisis, configuran cuatro agentes sobre los mismos datos de la empresa:
- Contratos
- Cifras
- Transcripciones de entrevistas
- Documentos de estrategia
Cada agente aplica un marco distinto: uno mira la estructura del sector, otro los recursos propios de la empresa, otro si hay una estrategia real detrás o solo un objetivo disfrazado de estrategia, y el último la coherencia entre dónde compite la empresa y cómo pretende ganar.
Ningún agente da el diagnóstico por sí solo. La contradicción entre los cuatro plantea la pregunta que antes no se había hecho: ¿debería la empresa dejar de repartir la inversión por igual entre sus tres mercados y concentrarla donde tiene una ventaja real?
💡 Cuatro agentes con marcos distintos, aplicados a los mismos datos, sacan a la luz en su desacuerdo lo que ninguno ve por separado.
2. Silencios: lo que el equipo sabe pero nunca escribe
Una organización guarda cosas que nunca llegan a una reunión ni a un informe. Sacar los silencios a la luz consiste en comparar de forma sistemática lo que aparece en los datos de una empresa con lo que aparece en la conversación que la rodea, y tratar esa diferencia como información.
Dentro de una gran firma de servicios profesionales hay una práctica especializada que el estudio toma como ejemplo. Quien la dirige no ha perdido nunca un concurso, supervisa personalmente cada encargo relevante y rechaza más trabajo del que la práctica acepta.
Un agente compara las transcripciones de las entrevistas con los planes estratégicos, y encuentra que esa persona aparece, de forma implícita, en cerca de un tercio de todos los temas sustanciales que se discuten [cifra aproximada del estudio — verificar en pase final]: capacidad de crecimiento, relación con clientes, estándares de calidad, desarrollo de talento. Sin embargo, no aparece nombrada ni una sola vez en ningún plan estratégico.
En más de una ingeniería he sido testigo de cómo en una reunión de dirección se dice «eso lo lleva Fulano» con total naturalidad, y esa misma frase nunca llega al plan de sucesión ni a la memoria de riesgos. Todo el equipo sabe que esa persona es excepcional. Saberlo y ponerlo encima de la mesa son dos cosas distintas, pero explicitarlo cambia cómo se planifica.
💡 Un agente puede encontrar en un tercio de las conversaciones lo que ningún plan estratégico dice, pero es clave.
3. Niveles: la causa no suele estar donde aparece el síntoma
En uno de los casos que sigue el estudio hay un grupo industrial con tres divisiones donde el beneficio que sacan por cada euro invertido lleva tiempo bajando. En el comité de dirección la explicación es siempre la misma: presión de mercado, competencia.
Un agente de IA conecta a la vez los números generales del grupo, los de cada división y los del día a día en cada planta, y traza la caída hasta la división que más rápido crece: compite en un mercado cada vez más genérico, con márgenes que se estrechan cada trimestre.
Una fórmula de reparto de capital implantada tres años antes prioriza el crecimiento reciente de ingresos. Esa división se lleva la inversión. La división con mejor posición competitiva y los mejores márgenes de todo el grupo, la que crece más despacio, se queda sin capital y pierde ventaja trimestre a trimestre.
Siguiendo la causa hacia arriba, el mismo agente encuentra el origen: la fórmula está pensada, desde la dirección del grupo, para premiar el crecimiento, y desde ahí arriba tiene sentido. Vista desde cada división, sin embargo, castiga precisamente la ventaja competitiva que el grupo debería proteger.
Preguntarle a una IA si la asignación de capital afecta al resultado de una división habría abierto una buena pista, pero solo si alguien hubiera sospechado antes esa conexión para poder formularla. El agente sigue la relación entre niveles aunque nadie la haya intuido todavía, sin necesidad de esa sospecha previa.
Este problema oculto suele aparecer en los comités de grupos industriales españoles con varias filiales: la caída de resultados se explica siempre por el mercado, y muy pocas veces por cómo reparte el propio grupo su dinero entre las filiales.
Antes de aceptar la explicación del mercado, comprueba cómo reparte el grupo el capital entre sus divisiones y a qué premia esa fórmula.
💡 Sin que nadie lo sospechara antes, un agente encuentra que la fórmula de capital pesa más que la división señalada.
4. Categorías: una etiqueta no es una explicación
Toda empresa clasifica lo que le pasa: tipos de fallo, motivos de rechazo, causas de retraso. Cada categoría manda la incidencia a un departamento concreto. Poner a prueba las categorías consiste en comparar esa clasificación formal con el registro operativo completo, y tratar cada diferencia entre ambas como el hallazgo.
En una planta de hormigón preparado hay una tasa alta de camiones rechazados en obra. La empresa clasifica los rechazos en cinco motivos, cada uno asignado a un departamento distinto:
- Mezcla equivocada
- Retraso
- Fallo de calidad
- Cambio del cliente
- Exceso de pedido
Al cruzar tickets de pedido, registros de GPS, datos de la planta y los comentarios de los propios conductores aparecen tres grietas:
- Muchos rechazos por retraso vienen en realidad de una tolva de la planta que se ralentiza con la lluvia: la etiqueta manda la incidencia a logística, pero la causa está en planta.
- Los rechazos marcados como «cambio del cliente», y por tanto como algo incontrolable, se concentran donde el contratista principal hace el pedido pero es el subcontratista quien decide cuándo verter el hormigón, algo que sí se puede prever y corregir.
- Cientos de registros repiten, solo en el campo de comentarios libres del conductor, una anotación que no tenía ningún motivo formal donde encajar: la obra no estaba lista.
Las plantas industriales españolas suelen tener sistemas de incidencias con la misma lógica: categorías fijas, cada una con su departamento, y un cajón de comentarios libres donde los operarios apuntan la causa real porque el sistema no tiene sitio para ella.
Cuando una categoría no existe en el sistema, la causa que representa se queda fuera de cualquier informe, por muchas veces que aparezca en el día a día.
💡 Una causa que se repite cientos de veces en un campo de comentarios libres es una categoría que a la empresa todavía le falta por crear.
¿Tu equipo tiene estos patrones?
- ¿Habéis puesto alguna vez dos diagnósticos serios en contradicción sobre el mismo problema, en vez de quedaros con el primero que encaja?
- ¿Hay algo que todo el comité sabe y que no aparece en ningún plan estratégico ni en ningún informe de riesgos?
- ¿Habéis buscado alguna vez la causa de un problema caro en el nivel donde se decide, y no solo en el nivel donde se nota?
- ¿Vuestras categorías de incidencias se han comparado alguna vez con lo que cuentan realmente los datos operativos?
¿Quieres saberlo con certeza?
En HR4TechTeam trabajo con equipos directivos de empresas tecnológicas e industriales que quieren dejar de preguntarle a la IA sin más y empezar a diseñarla como un sistema que investiga.
Si te has reconocido en alguno de estos patrones, tiene sentido hablarlo.
Preguntas frecuentes sobre cómo dirigir la IA empresarial
¿Qué significa «dirigir» un sistema de IA en vez de solo preguntarle? Dirigir significa configurar el sistema una sola vez: decidir qué datos puede tocar (su contexto), qué puede hacer con ellos (sus capacidades) y hacia dónde tiene que mirar mientras trabaja (su orientación), en lugar de sostener el análisis pregunta a pregunta.
¿Cuáles son las cuatro formas de dirigir la IA para encontrar hallazgos ocultos? Según el estudio de MIT Sloan Management Review, son cuatro: cruzar varias lentes o marcos de análisis sobre los mismos datos, sacar a la luz los silencios que el equipo conoce pero no escribe, seguir la causa de un problema a través de los niveles de la organización hasta donde realmente se decide, y poner a prueba las categorías oficiales frente al registro operativo real.
¿Por qué un sistema orientado a «confirmar» no encuentra hallazgos nuevos? Porque confirma justo lo que se le pide confirmar y deja pasar lo contrario: un sistema orientado a validar una ventaja competitiva la valida, sin detectar que esa misma ventaja se esté diluyendo por dentro. Dirigir bien consiste en fijar el terreno de búsqueda y dejar el resultado abierto.
¿Qué es un agente orquestador? Es el sistema que compara lo que ha encontrado cada agente de IA por separado, cuando se configuran varios con orientaciones distintas sobre el mismo conjunto de datos, y señala dónde coinciden y dónde entran en contradicción.
0 comentarios