En 1931, Kurt Gödel demostró que un sistema formal puede contener verdades que no logra probar desde sus propias reglas. El teorema no habla de empresas, pero ofrece una metáfora útil: incluso un sistema riguroso puede tener límites que no consigue ver desde dentro.
Las organizaciones operan con sistemas parecidos: indicadores, políticas, presupuestos, modelos de riesgo. Todos descansan sobre premisas acerca de cómo se comporta el negocio. Algunas nacen de datos sólidos. El problema aparece cuando la realidad cambia y la premisa permanece.
A ese costo acumulado podríamos llamarlo deuda de supuestos: el pasivo de seguir tomando decisiones sobre creencias que alguna vez fueron válidas, pero que nadie ha vuelto a comprobar. Como la deuda financiera, no nace necesariamente de un error. Una regla puede ser razonable cuando se crea. La deuda comienza cuando seguimos usándola sin revisar la evidencia que la originó. Y cobra intereses: clientes que rechazamos, capital mal asignado y oportunidades que nunca llegamos a ver.
Nos ocurrió en nuestra plataforma de financiamiento automotriz. Las primeras generaciones de vehículos fabricados en China que analizamos mostraron una depreciación acelerada y un comportamiento crediticio menos favorable. La evidencia justificaba cautela y la plataforma incorporó una restricción categórica para financiarlos.
La decisión había nacido de los datos. Después cambiaron los fabricantes, la calidad y la aceptación de esos vehículos. La regla no cambió.
Miles de solicitudes eran descartadas antes de poder evaluarse. Cuando revisamos el segmento con información reciente, su riesgo se aproximó al promedio de la cartera. Nada se había descompuesto. El sistema ejecutaba correctamente una instrucción cuya evidencia había caducado. Habíamos convertido una observación temporal en una premisa permanente.
Lo más revelador fue entender por qué tardamos tanto en verlo. Al excluir el segmento, dejamos de generar los datos que habrían demostrado que la premisa ya no era cierta. La regla se protegía a sí misma: impedía producir la evidencia que la habría refutado. Además, quienes la crearon ya no estaban. Quienes la ejecutaban no eran responsables de la oportunidad perdida. Y ningún indicador mostraba una línea llamada “ingresos que nunca consideramos”. Los errores visibles activan alarmas; las decisiones que nunca tomamos no dejan registro.
Ésa es la naturaleza de esta deuda: se acumula en silencio, no genera alertas y se disfraza de disciplina operativa.
Aquí la inteligencia artificial puede cumplir un papel muy concreto. No se trata de auditar premisas al azar ni de pedirle a la tecnología que piense por nosotros. Se trata de algo más preciso: cuando un resultado se deteriora o una oportunidad no se materializa, la IA puede ayudar a descomponer el problema, contrastar las variables que realmente lo explican y formular hipótesis alternativas para que un equipo humano las valide.
En nuestro caso, un modelo habría podido detectar que el país de origen del vehículo estaba perdiendo capacidad para explicar la morosidad y que otras variables — la liquidez del solicitante, la antigüedad del auto, la red de servicio disponible — explicaban mejor el riesgo. No habría cambiado la política. Habría mostrado que nuestra explicación habitual ya no bastaba y provocado una revisión antes de que la deuda siguiera acumulándose.
La pregunta que esto nos obliga a hacer no es técnica. Es de gestión: ¿estamos atendiendo la causa correcta o administrando un síntoma desde una explicación que ya caducó?
Pero la tecnología no cambia la cultura por sí sola. El liderazgo debe incorporarla al sistema de gestión. Cada decisión crítica necesita conservar la premisa que la sostiene, la evidencia que la respalda y una fecha de revisión. La IA puede contrastar la premisa con la realidad y señalar divergencias. El proceso impide renovar una política sin que alguien explique por qué sigue siendo válida. Y la persona responsable aporta el criterio y el contexto que ningún modelo puede sustituir.
Así se construye un ciclo donde cada decisión deja conocimiento para la siguiente. El aprendizaje deja de residir únicamente en la cabeza de los expertos y se convierte en una capacidad de la organización: algo que persiste, se comparte y se acumula.
Gödel nos recuerda que todo sistema tiene fronteras. La oportunidad no está en resignarnos a ellas, sino en construir organizaciones que las busquen activamente — que cuestionen sus propias certezas antes de que el mercado lo haga por ellas.
La ventaja competitiva no será tener más datos ni una IA más sofisticada. Será acumular menos deuda de supuestos que los demás. Porque esa deuda siempre termina cobrándose; la única decisión es si la pagamos a tiempo o nos la cobra el mercado.
