Transformación digital y cultural en organizaciones
La inteligencia artificial puede analizar un documento en segundos, cruzar una gran cantidad de información y encontrar relaciones que a una persona le llevarían mucho más tiempo.
Pero también puede devolver una respuesta convincente que no sea adecuada o no tenga el contexto suficiente para el problema que se necesita resolver.
Para aprovecharla no alcanza con tener acceso a un buen modelo o incorporarla a un proceso. También hay que saber qué pedirle, con qué información trabajar y cómo evaluar lo que devuelve.
Por eso, a medida que la IA gana capacidad, el criterio humano no pierde importancia: lo gana cada vez más.
El criterio aparece antes de hacer la pregunta
Cuando hablamos de supervisión humana, se suele imaginar a una persona revisando la respuesta final. Sin embargo, su intervención empieza mucho antes.
¿Cuándo? En el momento en que alguien define cuál es el problema que vale la pena resolver.
Incorporar IA sin un problema claro (o solo por el hecho de incorporar) puede sumar costos y complejidad sin generar valor. También es necesario elegir las fuentes que puede consultar el agente, establecer las reglas que debe respetar y definir qué acciones no puede realizar por su cuenta.
Una IA puede responder muy bien una pregunta mal planteada. Y eso puede ser difícil de detectar si quien recibe la respuesta no conoce el proceso o las consecuencias de tomar una decisión equivocada.
“Antes de pensar qué herramienta vamos a usar, necesitamos entender qué problema queremos resolver. Si esa definición no es clara, la IA puede ofrecer una respuesta muy convincente para una pregunta que no era la correcta”, comenta Agustin Maglione, director de nuevos negocios de TDI.
Por eso, una implementación comienza por entender qué parte del trabajo queremos mejorar y qué tendría que pasar para considerar que realmente funciona.
La experiencia permite interpretar la respuesta
Es innegable que la IA puede acelerar la búsqueda y el análisis. Pero es la experiencia la que permite interpretar lo que aparece.
En este sentido, Maglione explica: “La experiencia no compite con la IA, sino que permite aprovecharla mejor. Quien conoce el proceso sabe cómo orientar la búsqueda, qué señales revisar y cuándo una respuesta, aunque parezca correcta, no debería utilizarse”.
La experiencia permite detectar si a un proceso le falta información, si una conclusión resulta extraña o si una respuesta no puede aplicarse en ese contexto. No porque tenga todas las respuestas, sino porque sabe dónde mirar y qué preguntas hacer.
Esto también obliga a documentar mejor procedimientos, criterios y excepciones que muchas veces viven únicamente en la experiencia de algunas personas.
La IA no elimina la necesidad de conocer el negocio. Hace más evidente cuánto importa ese conocimiento.
Hay tareas que pueden automatizarse, pero decisiones que no
Esta diferencia se vuelve más clara cuando pensamos en procesos reales.
En gestión tributaria, un agente puede consultar normativa, cruzar información y ordenar los antecedentes de un caso. Pero, cuando una situación admite distintas interpretaciones, la decisión necesita quedar en manos de quienes conocen el marco normativo y pueden hacerse responsables por ella.
En educación sucede algo parecido con el análisis de equivalencias. La IA puede comparar documentación, programas, materias y cargas horarias. Sin embargo, determinar si dos recorridos académicos son equivalentes puede requerir una interpretación que excede la coincidencia entre datos.
En ambos casos, la IA puede preparar mejor la decisión. No necesariamente tomarla.
El control humano también forma parte de la solución
Incorporar criterio humano no significa que una persona tenga que revisar manualmente cada paso. El desafío está en decidir dónde su intervención agrega valor.
Un agente puede avanzar cuando la información es suficiente y las reglas son claras, o solicitar una validación cuando encuentra una excepción, datos contradictorios o una decisión que requiere autorización.
Para eso hay que definir responsables, niveles de autonomía y puntos de control. También registrar qué información utilizó el agente, qué acción realizó y cuándo necesitó la intervención de una persona.
Estas definiciones no se agregan al final: forman parte del diseño de la implementación.
La conversación, entonces, no pasa por elegir entre inteligencia artificial o personas. La oportunidad está en combinar la capacidad de procesamiento de la IA con la experiencia de quienes conocen el negocio.
Porque la IA puede encontrar información, ordenar alternativas y acelerar una tarea. Pero todavía necesitamos criterio para saber qué hacer con todo eso.
Y ahí, más que competir, la tecnología y la experiencia empiezan a trabajar juntas.