La IA acelera el análisis, pero las decisiones siguen a ritmo humano

Póngase en la silla de un presidente de compañía un lunes por la mañana. El análisis de una posible adquisición, que antes le tomaba a su equipo financiero más de un mes, llega a su escritorio en un par de días. Viene con muchos más escenarios de los que nadie alcanza a leer.

Hasta ahí parece que las noticias son buenas. Sin embargo, el problema aparece cuando toca decidir. Nadie en la sala sabe bien los supuestos detrás de cada cifra, tanto usted como su junta directiva pide más tiempo para revisarlo y la semana se va en preguntas. La velocidad ganada en el análisis se pierde en la mesa de decisión.

Este es un caso hipotético, pero los datos que la inspiran sí son reales.

Un ejecutivo entrevistado por los autores de un artículo de McKinsey Quarterly, aseguró que su equipo puede completar en menos de dos días un análisis financiero que antes tomaba cinco semanas. En otra empresa, un equipo junior produjo resultados analíticos entre 10 y 20 veces más rápido y corrió de tres a cinco veces más escenarios por cada movimiento estratégico.

Los directivos, sin embargo, necesitaron más tiempo para revisarlos.

El análisis dejó de ser el problema

Según el artículo, el análisis estratégico ya corre a velocidad de inteligencia artificial (IA), mientras que el juicio humano conserva su ritmo de siempre. Los autores ubican ahí el nuevo cuello de botella de la estrategia corporativa.

En la segunda empresa, los directivos no siempre sabían qué supuestos y qué fuentes de datos había detrás de cada resultado, por lo que confiar en ellos tomaba tiempo. Los autores advierten que el riesgo corre en ambas direcciones. Si el equipo acelera demasiado, las decisiones quedan sin revisar y los errores se vuelven probables. Si frena demasiado, la inversión en IA no rinde. Las empresas y sus ejecutivos están entre la espada y la pared, entre la neurona y el token.

Reducir la brecha entre velocidad y decisión

McKinsey propone clasificar las decisiones en tres niveles, con más juicio humano a medida que crecen la incertidumbre, lo que está en juego y la necesidad de rendir cuentas. Las de alto volumen, como los precios dinámicos y las promociones, la previsión de demanda o las decisiones de fraude y crédito en tiempo real, pueden automatizarse con reglas y límites definidos.

Por su parte, las que enfrentan incertidumbre, como entrar a un mercado nuevo, ajustar precios en medio de un choque externo o planear escenarios cuando la historia ya no sirve de guía, las debería liderar una persona con apoyo de IA.

Finalmente, las de mayor impacto, como fusiones, adquisiciones, inversiones, despidos, reestructuraciones o decisiones con riesgos de seguridad y responsabilidad legal, deben quedan en manos de líderes responsables.

El ejercicio útil para un directivo es ubicar sus propias decisiones en esa escala antes de que lo haga la herramienta por defecto. Los equipos, por su parte, deben señalar los supuestos que se usaron en cada caso y las incertidumbres que planea cada escenario. De esta manera se facilita la tarea para que los ejecutivos revisen solo lo relevante.

El caso colombiano

En Colombia, la IA ya llegó a los hogares. Según la Encuesta de Tecnologías de la Información y las Comunicaciones en Hogares (ENTIC) del DANE, publicada el 1 de agosto de 2025, el 18,0 % de las personas de 5 años o más que usaron internet en 2024 lo hizo para utilizar herramientas de IA. En las cabeceras municipales la proporción llegó a 20,4 %, frente a 8,1 % en los centros poblados y la zona rural dispersa.

Además, el 80,7 % de quienes usaron IA la aplicó a tareas académicas, profesionales o laborales básicas. Para el 17,5 %, la razón principal fue apoyar la toma de decisiones. Es la primera vez que la ENTIC pregunta por la IA, por lo que todavía no hay base de comparación y como estas cifras son de hace un par de años, es de esperar que hoy esos porcentajes sean mayores.

Para las empresas, esto indica que la herramienta ya entró a la oficina por la puerta de los empleados. Entonces, saber qué herramientas usan sus equipos, con qué datos y en qué decisiones es el primer paso para ampliar la capacidad de juicio que el artículo de McKinsey pide fortalecer.

Por los lados de la política pública, el Consejo Nacional de Política Económica y Social (CONPES) aprobó el 14 de febrero de 2025 el documento 4144, la política nacional de IA, con una inversión de $479.000 millones de pesos y más de 100 acciones hasta 2030. Uno de sus seis ejes se dedica a capacidades, talento digital y apropiación social del conocimiento, según el Departamento Nacional de Planeación (DNP). Ahora bien, ninguna política pública reemplaza la tarea de formar ese criterio dentro de cada empresa.

A largo plazo, ¿qué pasa con el criterio de los que van a decidir?

La disrupción de la IA es más que evidente en todos los ámbitos. Es por eso que el artículo advierte que la IA está haciendo las tareas que usualmente hace el talento junior y que ponían las bases para formar a los futuros decisores. Desarrollar criterio exige práctica activa, retroalimentación y errores de bajo riesgo que se corrigen a tiempo, no solo recibir respuestas terminadas.

Entonces, sin una intervención a conciencia, hay dos riesgos. Por un lado, los empleados menos experimentados pueden terminar tomando decisiones para las que no están preparados, amparados en un ‘todopoderoso agente de IA’. Por el otro y a largo plazo, el relevo de los líderes de estrategia queda en duda.

La recomendación de McKinsey es montar aprendizajes estructurados y formar a los equipos para entender y validar los supuestos y la lógica detrás de lo que produce la IA. Una de las organizaciones citadas, por ejemplo, exige que la herramienta muestre fórmulas, datos, cálculos y supuestos.

Ahorrarse el aprendizaje del analista junior sale barato este año y caro el día en que haga falta un gerente con criterio.

Alguien debe firmar

Cuando la IA hace más del trabajo analítico, los equipos pueden sentir menos propiedad sobre los resultados y las decisiones que se derivan de ellos. El artículo advierte esa erosión de la responsabilidad y menciona el sesgo de automatización, la tendencia a confiar en un resultado solo porque lo produjo una máquina.

La solución a esto es asignar cada decisión consecuente a una persona con experiencia para cuestionar supuestos, evaluar riesgos y asumir el resultado. Es decir, cada IA con su humano.

Algunas empresas usan agentes de IA que examinan un análisis desde la óptica del gestor de riesgos, del emprendedor, del matemático o del abogado del diablo. Esa revisión automática sirve de complemento, pero en las decisiones importantes la responsabilidad sigue en una persona. Con análisis más rápido, otras compañías ya pasan la revisión de asignación de recursos de anual a trimestral, o de trimestral a mensual.

Dicho esto, la tarea inmediata es ponerle nombre y apellido a cada decisión que se tome. Por más rápido que vaya el carro, el conductor debe respetar las normas de tránsito.