Algo importante está cambiando en las empresas: la automatización de las decisiones. La inteligencia artificial (IA) ejecuta tareas cada vez con más frecuencia. Para ejecutar estas tareas, la IA toma decisiones con base en algún tipo de función de maximización, pero optimización no significa necesariamente decidir bien. Las directoras y los directores han aprendido a dirigir personas, ahora también deben aprender a gobernar a los algoritmos.
Empecemos con un ejemplo sencillo. En abril de 2011, un biólogo de Berkeley quiso comprar en Amazon The Making of a Fly, un texto académico de 1992 sobre genética del desarrollo, descatalogado y sin nada excepcional. Encontró dos copias nuevas a 1.7 millones de dólares. Dos vendedores usaban algoritmos de precios: uno fijaba su precio en respuesta al precio del rival. Cada ajuste empujaba al otro hacia arriba, y el precio llegó a un máximo de 23.7 millones de dólares. Este es un ejemplo inofensivo, pero nos muestra cómo las decisiones automatizadas pueden llevar a situaciones absurdas y, potencialmente, peligrosas.
¿Por qué optimizar no necesariamente es decidir bien? Un sistema puede optimizar una métrica y, simultáneamente, destruir valor en otra dimensión. Puede maximizar utilidades en el corto plazo y socavar el valor de largo plazo de la empresa. Puede reducir costos y poner en riesgo la viabilidad futura de la empresa. En este contexto, el papel de la dirección empresarial no sufre menoscabo con el ascenso de la IA; al contrario, el juicio de las personas se vuelve más importante que nunca.
Para hacer frente a este reto, las empresas deben diseñar sistemas de decisión que les permitan gobernar a los algoritmos. La IA no puede hacerse responsable de sus decisiones. Se necesita que una persona asuma accountability. Se usa el término en inglés para destacar que no solo implica asumir una responsabilidad cuando la decisión sale bien o mal, sino que implica tener responsabilidad desde el inicio y cuidar que todo el proceso de toma de decisiones lleve a los resultados esperados, los cuales también deben ser bien definidos y entendidos por la persona que se hace responsable por los resultados.
Además, la misma naturaleza de la competencia está cambiando. Cuando las empresas empiezan a tomar decisiones con la ayuda de algoritmos, la eficiencia derivada de ello tiende a igualarse en toda una industria. La ventaja competitiva no vendrá de tener los mejores modelos de IA sino de contar con los mejores sistemas de decisión.
La IA ha vuelto relativamente abundante la capacidad de predicción y, con ella, la ejecución de tareas de forma eficiente. La teoría microeconómica nos enseña que el mayor valor está en lo relativamente escaso. En este caso, esto es la capacidad humana de verificar y supervisar lo que produce la IA. Catalini, Hui y Wu llaman a esta restricción “ancho de banda de verificación” y argumentan que, cuando la ejecución se vuelve abundante, las rentas migran hacia lo que sigue siendo escaso, como la verificación y la capacidad de responder por los resultados1. Lograr una mejor supervisión y mejores decisiones dependerá de diseñar los mejores sistemas de decisión. Este es un tema central del libro Estrategia, microeconomía e IA2.
La inteligencia artificial está cambiando la naturaleza misma de la dirección empresarial y el papel de quienes están al frente de las organizaciones. Su función es hoy más relevante. Deben definir objetivos claros y dirigir no solo a personas sino a modelos que pueden ejecutar acciones más rápido y eficientemente, pero que también implican un riesgo mayor si se toma un camino equivocado. Generar una ventaja competitiva cuando modelos tecnológicos avanzados se vuelven accesibles a todos en una industria es particularmente retador. La labor de la dirección empresarial exige el diseño y administración de sistemas de decisión con estrategia, riesgo y accountability. Como en el caso del libro sobre moscas, la pregunta para la dirección ya no es si el modelo es preciso, sino quién se hace responsable para que el algoritmo no se equivoque.
Notas
1 Catalini, Christian; Hui, Xiang y Wu, Jane. Some Simple Economics of AGI. Documento de trabajo, arXiv:2602.20946, 2026. https://arxiv.org/abs/2602.20946
2 Pérez Colín, Jorge y Gómez Alatorre, Eugenio. Estrategia, microeconomía e IA: Cómo diseñar sistemas de decisión con estrategias, riesgo y accountability. Universidad Panamericana, 2026. ISBN 978-9709620252. http://sistemasdedecision.com