Los autos autónomos y la automatización de decisiones en los negocios tienen más en común de lo que parece. Ambos evolucionan paso a paso: a través de alertas, decisiones asistidas y, finalmente, autonomía total. Comprender este recorrido es clave para escalar decisiones de negocio más inteligentes, rápidas y con mayor impacto.

Cuando era chico, pensaba que los autos se conducirían solos. Y me encantaba la idea. Los libros de ciencia ficción de los 60 y 70 reforzaron esta idea, y me obsesionaba la posibilidad de estar sentado, relajado, en el asiento del copiloto. Estaba seguro de que, de un día para otro, alguien los haría realidad.

Bueno, aquí estamos en 2025 y los vehículos aún no son completamente autónomos. Aunque hay alrededor de 1.500 millones de autos en el mundo, el número de autos comerciales 100% autónomos sigue siendo aproximadamente cero en la actualidad.

Sin embargo, los autos han mejorado para automatizar ciertas acciones durante los últimos 30 años o más. Si bien los autos aún no son completamente autónomos, la mayoría de los vehículos que conducimos hoy en día frenan automáticamente o nos avisan con luces y alarmas cuando detectan un choque inminente. La automatización no es un avance repentino; es un proceso que lleva años o incluso décadas. Sin embargo, Elon Musk estima que, en cinco años, el 50% del parque automotor será autónomo, y en 10 años, nadie tendrá que mover un dedo para conducir.    

Lo que los vehículos autónomos pueden enseñarnos sobre la automatización de decisiones 

Pasó el tiempo, y a través de mi vida, mis elecciones y mi trabajo, irónicamente terminé centrándome en algo tan complejo como los vehículos autónomos: las decisiones empresariales autónomas.

Así como los vehículos autónomos no surgieron de la noche a la mañana, tampoco lo hizo la automatización de decisiones en las empresas. En los últimos años, he trabajado con organizaciones para ayudarlas a identificar dónde la automatización crea valor, a alinearla con los objetivos empresariales y a escalar el impacto de decisiones más inteligentes.    

La toma de decisiones automatizada en los negocios está ocurriendo gradualmente, y eso es algo bueno. Apresurar una decisión puede ser costoso. En este proceso, he aprendido, a través de mi trabajo con algunas de las empresas más grandes del mundo, que la automatización no ocurre de una vez. Comienza con alertas que parpadean cuando algo está mal. Luego, los sistemas comienzan a actuar, a menos que les digamos que no lo hagan. Pronto, empiezan a recomendar qué hacer. Luego, actúan por su cuenta y nos informan posteriormente. Y finalmente, dejan de preguntar por completo, porque han aprendido a decidir.    

Ya sea que estemos hablando de vehículos o de decisiones empresariales, estas son las cinco etapas:    

1) Solo alertas automatizadas 

Los paneles de control modernos parecen árboles de Navidad: baja presión de los neumáticos, nivel de combustible, objeto detectado… Estas alertas ayudan a los conductores a centrarse en lo que importa. Este es el nivel de automatización más bajo, que deja todo el poder de decisión en manos de los humanos.    

En los negocios, este nivel de automatización se llama «Sistemas de Soporte de Decisiones» (Decision Support Systems). Reducen la carga de la monitorización constante y proporcionan señales oportunas y relevantes. Pero la clave no es recopilar todos los datos, sino centrarse en las decisiones importantes que más importan, aquellas que pueden poner en riesgo nuestro negocio o marcar una diferencia relevante.    

Ese es el cambio de mentalidad: de data-driven a decision-driven. La alerta correcta no es la que tiene más datos, sino la que respalda una elección significativa.    

Pensemos en un equipo de ventas que recibe alertas cuando el inventario de un SKU de alta demanda cae por debajo de un umbral crítico. No más hojas de cálculo, no más simulacros de incendio, solo una señal oportuna, para que la acción pueda ocurrir antes de que sea demasiado tarde.    

2) Semi-automatizado con anulación humana 

¿Alguna vez has tenido un coche que te pregunte si quieres estacionar en paralelo y luego empiece a hacerlo a menos que intervengas? Así es como funcionan muchos flujos de trabajo: el sistema está listo para actuar a menos que alguien intervenga.    

Ese fue el enfoque de una herramienta que ayudamos a diseñar para Key Account Management. La RPA consolidó los datos de múltiples fuentes y validó el estado de cada cuenta. Basado en esto, el sistema recomendó automáticamente los niveles de renovación e inversión, avanzando a menos que alguien decidiera ajustarlos. El sistema hizo el primer movimiento; el equipo podía intervenir, revisar y redirigir según fuera necesario.    

Estas «automatizaciones cancelables» ahorran tiempo sin dejar de dar a las personas el control cuando importa. Los líderes se convierten en directores de sistemas complejos, eligiendo cuándo dejar que la automatización se ejecute y cuándo intervenir.

3) Decisiones aumentadas 

Si añadimos un nivel más de automatización, llegamos a las «Decisiones Aumentadas» (“Augmented Decisions”), donde los humanos y la analítica deciden juntos.    

Imagínate esto: Estás conduciendo por un camino de grava. Ha estado lloviendo durante 20 minutos y te mueves a más de 60 km/h. A medida que el barro se espesa, el camino se retuerce y se empina. El coche no solo reacciona, sino que analiza el contexto completo y sugiere un plan: reducir la velocidad, ajustar la tracción, bajar la presión de los neumáticos. Sigues conduciendo, pero ya no decides solo.    

En los negocios, esta modificación lo cambia todo. El Machine Learning permite a los sistemas ir más allá de las reglas preestablecidas. Aprenden de los patrones, reconocen las situaciones cambiantes y colaboran activamente con los humanos, recomendando, modelando y priorizando las acciones.    

Durante un proyecto con una empresa líder de Consumo Masivo, entrenamos un algoritmo para pronosticar el volumen por ocasión de consumo y alinear la inversión en consecuencia. Se utilizó el aprendizaje automático para recomendar los niveles de inversión basados en los ingresos esperados por ocasión, adaptándose a las estrategias del HUB sin dejar de estar alineado con las prioridades de la OU. El equipo mantuvo el control de la decisión final, pero ahora con una visión más clara y una mayor precisión.    

4) Acción automatizada con revisión posterior 

Mi coche una vez frenó repentinamente para evitar una colisión. No se lo pedí y, sinceramente, fue un poco aterrador. Pero probablemente me salvó de una colisión grave.    

En términos organizativos, esto es cuando el agente ejecuta e informa después. El inventario se redistribuye cuando alcanza un umbral crítico. Una máquina se apaga para evitar daños. El sistema actúa en el momento, mientras que la revisión y el perfeccionamiento vienen después.    

Aplicamos este concepto en un proyecto en el que automatizamos las decisiones en torno a los equipos de bebidas frías. Cuando el uso caía por debajo de un umbral predefinido, el sistema marcaba automáticamente la unidad para su retirada y activaba una orden de sustitución. Los equipos podían ajustar los parámetros más tarde, pero la acción ya estaba en marcha.  

5) Autonomous Decision-Making Systems (ADMS)

Todavía no estamos en los niveles de Isaac Asimov, pero nos estamos acercando.    

Cuando hablamos de vehículos, aunque todavía hay cuestiones legales y de hábitos de los usuarios que deben resolverse, los sistemas de conducción autónoma total suenan técnicamente bastante cerca de la autonomía completa.    

En los negocios, ya estamos viendo sistemas de toma de decisiones totalmente autónomos en acción: sistemas que operan sin ninguna intervención humana.

1. Aprobación de préstamos basada en la puntuación en tiempo real.    

2. Ajuste de precios dinámicamente cada pocos minutos.    

3. Activación del mantenimiento predictivo sin alertas.    

4. Reorganización de las redes de logística sobre la marcha.    

En la fijación de precios, por ejemplo, desarrollamos un sistema para una gran empresa de bienes de consumo que ajusta los descuentos promocionales en tiempo real en función de los patrones de demanda, los márgenes, el inventario y el comportamiento de la competencia. Una vez configurado, el sistema se ejecuta por sí solo, liberando a los equipos comerciales para que se centren en decisiones de nivel superior. 

Estas cinco etapas son más que una hoja de ruta, son un viaje de Inteligencia de Decisiones. Uno que ayuda a las organizaciones a escalar la madurez con el tiempo, conectar las decisiones con los resultados y convertir la automatización en un motor de valor estratégico real.

Cómo la toma de decisiones más inteligente, no solo la IA, impulsa la transformación empresarial real 

La IA y el aprendizaje automático están evolucionando rápidamente. Al igual que conducir hoy no se parece en nada a cuando me puse al volante por primera vez, el panorama de la toma de decisiones es radicalmente diferente de cuando lanzamos Tandem hace 18 años.    

En aquel entonces, creíamos que mejores decisiones podían impulsar un mejor rendimiento. Todavía estamos seguros de eso; lo que no sabíamos era lo rápido que cambiaría el mundo y lo esencial que se volvería seguir evolucionando con él.    

Una solución integrada de Inteligencia de Decisiones debería ayudar a las organizaciones a identificar las decisiones que más importan y luego construir los sistemas, los datos y la lógica para automatizarlas donde tenga sentido. No empieces por la tecnología; empieza por entender el negocio: qué decisiones impulsan los resultados, qué datos realmente importan y cómo se pueden mejorar los procesos.    

El objetivo es averiguar dónde son útiles las alertas, cuándo tienen sentido las decisiones aumentadas y cuándo es el momento de los sistemas totalmente autónomos. El objetivo no es solo la transformación digital, sino decisiones más inteligentes que ahorren tiempo, reduzcan los costes e impulsen un impacto real. Porque el futuro del rendimiento no consiste en tener más datos. Se trata de tomar mejores decisiones.    

Las empresas de hoy deben tomar más decisiones, más rápido y con mayor complejidad. Creemos que la optimización de la forma en que se toman esas decisiones es clave para mejorar el rendimiento. Esto no es un cambio que ocurre de la noche a la mañana, ni se trata de reemplazar a las personas. Requiere tiempo, análisis y la voluntad de hacer las preguntas correctas. Entre ellas: ¿Nos dirigimos en la dirección correcta? ¿Y qué decisiones estamos dispuestos a confiar a las máquinas?    

Ese es el camino que estamos tomando. Ese es el camino que están tomando muchas empresas. ¿Estás en este camino?    

Asimov una vez imaginó un futuro en el que las máquinas podían tomar decisiones por nosotros, guiadas por reglas y lógica claras. Pero incluso en «Yo, Robot», las cosas salieron mal cuando los sistemas actuaron sin contexto, empatía o alineación con los objetivos humanos.    

Ese mensaje sigue vigente. La tecnología por sí sola no mejorará las decisiones. Lo que marca la diferencia es cómo la diseñamos, supervisamos e integramos, para que la automatización se convierta en una extensión de nuestro juicio, no en un sustituto de él.

El futuro de la toma de decisiones no pertenece a las máquinas. Pertenece a las personas que saben utilizarlas con sabiduría. 

Gastón Francese

gf@tandemsd.com