En los próximos tres años, la mayoría de las organizaciones grandes habrá incorporado agentes de AI en sus operaciones. Algunas habrán ganado ventaja competitiva real. La mayoría habrá mejorado su eficiencia.

La diferencia entre un resultado y el otro no va a depender de qué tecnología eligieron. Va a depender de si rediseñaron cómo deciden.

Las decisiones son el mecanismo por el cual una organización convierte su estrategia en resultados. No los procesos, no los datos, no los modelos: las decisiones. Y los agentes de AI no son una herramienta de automatización más eficiente. Son una redistribución de capacidad decisional. Eso requiere un rediseño deliberado. Las organizaciones que lo entiendan hoy van a construir una ventaja que será muy difícil de replicar. No porque la tecnología sea inimitable, sino porque la capacidad para decidir bien no se copia: se construye.

La mayoría de las organizaciones que hoy incorporan AI lo hacen por una razón comprensible: eficiencia. Automatizan tareas, reducen tiempos, liberan horas de trabajo. Es un beneficio real y tiene sentido buscarlo.

El problema es detenerse ahí.

Automatizar tareas no es lo mismo que rediseñar decisiones. Y la diferencia entre los dos no es incremental: es de orden de magnitud.

Cuando una organización mejora la eficiencia, reduce costos y libera capacidad. Eso impacta el margen. Cuando mejora la calidad de sus decisiones, impacta directamente los resultados que más importan: revenue, participación de mercado, márgenes de largo plazo, posicionamiento competitivo. Y también objetivos que no siempre se miden en pesos o dólares: reducción de emisiones, reputación, retención de talento.

Las decisiones son el mecanismo por el cual una organización convierte su estrategia en resultados. Mejores decisiones no hacen lo mismo más rápido: hacen cosas distintas, en el momento correcto, con los criterios correctos. El impacto acumulado de eso en el tiempo supera con creces el de cualquier programa de eficiencia operativa.

Una organización puede automatizar cientos de procesos y seguir perdiendo en el mercado porque sigue tomando exactamente las mismas decisiones de siempre, solo con menos fricción.

Lo que observamos en consumo masivo

En muchas organizaciones de consumo masivo, los equipos de Revenue Management producen análisis sofisticados: modelos de pricing, simulaciones de promociones, recomendaciones de mix. El problema no es la calidad del análisis. Es que ese análisis raramente llega a la decisión.

¿Por qué? Porque marketing mira la salud de la marca en el mediano plazo, ventas mira la facturación del trimestre, y finanzas mira el margen. Cada área optimiza su propia función. Si el modelo no fue diseñado para capturar y articular esas tres perspectivas, el output termina siendo un ejercicio que nadie discute realmente. Los decisores actúan bajo la presión del corto plazo, muchas veces sin siquiera revisar las recomendaciones.

Vale aclarar: no hay nada de malo en que un decisor, habiendo analizado la recomendación, decida conscientemente tomar otro camino. Eso es juicio. Lo que sí es un problema es cuando eso ocurre sistemáticamente, sin conversación real entre las partes, y sin aprendizaje. Cuando los incentivos están desalineados y nadie está optimizando la función correcta.

En una empresa de lácteos que conocemos, 38 personas producen estos análisis de forma mayormente manual. El impacto en las decisiones de negocio es marginal. No porque el trabajo sea malo. Sino porque el sistema que conecta ese trabajo con las decisiones nunca fue diseñado.

Los agentes de AI no son una versión más potente de la automatización. Son algo cualitativamente distinto: sistemas que pueden observar contexto, generar alternativas, recomendar cursos de acción y, en ciertos dominios, ejecutar decisiones sin intervención humana.

Eso no es eficiencia. Es una redistribución de capacidad decisional dentro de la organización.

Cuando una organización incorpora agentes, inevitablemente está respondiendo, aunque no lo sepa, a preguntas de arquitectura: ¿qué tipo de decisiones puede tomar un agente de forma autónoma? ¿Cuáles requieren validación humana? ¿Quién define los criterios con los que el agente evalúa alternativas? ¿Quién es responsable cuando el agente decide mal?

Si estas preguntas no se responden de forma explícita y deliberada, la organización igual las responde, pero por defecto. Y las respuestas por defecto rara vez son las mejores.

Una buena arquitectura de decisión no empieza por la tecnología. Empieza por mapear qué decisiones impulsan los resultados del negocio, y a partir de ahí determinar qué rol debería jugar cada actor, humano o artificial, en cada tipo de decisión.

Hay decisiones que los agentes pueden tomar mejor que los humanos: son rápidas, repetitivas, basadas en patrones reconocibles y con criterios claros. Automatizarlas no es un riesgo, es una obligación. Seguir poniendo tiempo humano en esas decisiones es, en sí mismo, una mala decisión.

Hay decisiones que los agentes pueden potenciar sin reemplazar: el agente procesa información, identifica alternativas, cuantifica trade-offs, y el humano integra contexto, asume riesgo y decide. Es la combinación más poderosa, y también la más subutilizada. En cada área de una organización hay personas tomando decisiones con información incompleta, con sesgos no detectados, con criterios implícitos que nadie ha cuestionado. Un agente bien diseñado no reemplaza ese juicio: lo eleva.

Y hay decisiones que siguen siendo exclusivamente humanas: las que requieren juicio sobre valores, las que tienen consecuencias irreversibles, las que definen el rumbo de la organización. No porque los agentes no puedan opinar, sino porque la responsabilidad no puede delegarse a un sistema.

El trabajo de arquitectura es saber cuál es cuál. Y eso no lo resuelve la tecnología.

Lo que observamos en petróleo y gas

Las decisiones de exploración y producción en la industria petrolera involucran montos enormes y un factor que se suele subestimar: el costo del tiempo. Cada mes de demora en una decisión de producción es dinero que no se extrae. Y a diferencia de otras industrias, las ventanas se cierran: las condiciones de mercado cambian, los activos se deprecian, las oportunidades desaparecen. Decidir tarde, en petróleo, no es solo ser lento. Es dejar dinero en la mesa de forma permanente.

Lo que observamos en varias organizaciones del sector es que los modelos de análisis han mejorado considerablemente. Tienen más datos, mejores algoritmos, mayor capacidad de procesamiento. El problema es que alimentar esos modelos sigue siendo un proceso lento y manual: múltiples áreas producen estimaciones de forma independiente, con criterios distintos, en tiempos distintos, sin un diseño claro de cómo articulan esos inputs entre sí.

El cuello de botella no es el modelo. Es la arquitectura del proceso decisional entre áreas. El resultado es paradójico: organizaciones con capacidad analítica sofisticada que siguen decidiendo con la lentitud de hace veinte años.

Los riesgos y las oportunidades de este momento son muchos. Pero hay algunos patrones que vale mencionar porque ya están ocurriendo.

Cuando una organización incorpora agentes sin rediseñar cómo decide, suele aparecer algo predecible: los equipos empiezan a seguir las recomendaciones del sistema sin cuestionarlas. Al principio parece eficiencia. Con el tiempo, nadie sabe explicar por qué se toman ciertas decisiones, con qué criterios, ni con qué margen de error aceptado. No es un problema tecnológico. Es un problema de arquitectura que la tecnología hizo visible.

Pero ese mismo fenómeno señala una oportunidad. En cada área de una organización hay criterios distintos operando en paralelo, decisiones tomadas con sesgos no detectados, juicios implícitos que nadie ha cuestionado. Hoy eso existe con humanos, simplemente no se ve porque está distribuido en personas y no en sistemas. Los agentes bien diseñados no crean ese problema: lo sacan a la superficie y permiten corregirlo. Una arquitectura de decisión explícita convierte lo invisible en algo que se puede medir, mejorar y escalar.

Lo que están haciendo las organizaciones más avanzadas

Algunas organizaciones ya están más adelante en este camino. En la industria farmacéutica, por ejemplo, hay compañías que han desplegado sistemas de AI específicamente orientados a reducir sesgos cognitivos en decisiones de portfolio de investigación: uno de los errores más costosos del sector es seguir invirtiendo en proyectos que los datos indican que no van a funcionar, simplemente porque ya se invirtió mucho en ellos. Los sistemas no reemplazan la decisión: equipan a los líderes para redirigir recursos con más claridad y menos inercia.

El resultado no es que la AI decide. Es que los humanos deciden mejor, con menos ruido y con criterios más explícitos. Esa es exactamente la dirección correcta.

Pensemos en el trading algorítmico. Cuando los primeros fondos adoptaron algoritmos para operar, generaron ventajas extraordinarias frente a quienes seguían decidiendo manualmente. Con el tiempo, los algoritmos se generalizaron, las ventajas se comprimieron, y el juego cambió de forma permanente: hoy no tener algoritmos no es una desventaja competitiva, es simplemente no poder jugar.

Con la arquitectura de decisión y los agentes está ocurriendo algo análogo, pero con una diferencia importante: todavía estamos en la etapa temprana. Las organizaciones que hoy inviertan en rediseñar cómo deciden, incorporando agentes de forma deliberada y no solo reactiva, están construyendo una ventaja que será muy difícil de replicar después. No porque la tecnología sea inimitable, sino porque la capacidad organizacional para decidir bien no se copia: se construye. Y lleva tiempo.

La ventana está abierta. No estará abierta para siempre. La tecnología se puede comprar. La capacidad para decidir bien hay que diseñarla.

Ernesto Weissmann
Socio de Tandem
ew@tandemsd.com

Tandem trabaja con organizaciones complejas para diseñar arquitecturas de decisión: quién decide qué, con qué información, en qué momento y con qué criterios. Si este tema es relevante para su organización, estaremos encantados de conversar.