Liderazgo e IA: ¿quién decide cuando la máquina recomienda?

Categoría: Decisión | Liderazgo | IA

Tiempo de lectura: 7 minutos

El liderazgo y la IA plantean hoy una pregunta que parece sencilla, pero no lo es: cuando una máquina formula una recomendación, ¿quién está decidiendo realmente?

La inteligencia artificial ya resume información, identifica patrones, sugiere prioridades, evalúa escenarios y recomienda acciones. En muchas organizaciones, estas recomendaciones se incorporan a reuniones de gestión, procesos de selección, análisis del desempeño, decisiones comerciales y planificación estratégica.

El problema no está en recibir una recomendación de la IA. Comienza cuando nadie puede explicar qué se cuestionó, qué información quedó fuera y quién asumió la responsabilidad de la decisión final.

Utilizar IA no elimina la necesidad de liderazgo. Hace que el liderazgo sea más exigente.

Una recomendación no es una decisión

Una recomendación algorítmica puede ser útil, plausible y estar bien fundamentada en los datos disponibles. Pero no conoce, por defecto, el contexto político, humano, operativo o ético en el que trabaja una organización.

No sabe qué relación se verá afectada por un cambio de equipo. No comprende la historia de confianza entre dos departamentos. No conoce la capacidad real de ejecución de un responsable intermedio. No asume las consecuencias de una decisión que fracasa.

Por eso, la distinción más importante no es entre una decisión humana y una decisión artificial. Es entre:

• utilizar la IA para fundamentar una decisión;
• utilizar la IA para sustituir el criterio que exige la decisión.

La primera opción puede aumentar la capacidad. La segunda puede diluir la responsabilidad sin que nadie lo perciba.

Qué muestra la investigación sobre el criterio humano y la IA

En un estudio realizado en tres departamentos de radiología de Estados Unidos, Lebovitz, Lifshitz-Assaf y Levina analizaron cómo los profesionales utilizaban herramientas opacas de IA en decisiones críticas.

Los investigadores identificaron una pauta relevante. Solo en uno de los departamentos los profesionales incorporaban de forma consistente los resultados de la IA en su criterio final. Para ello, desarrollaron prácticas de cuestionamiento: formas de relacionar su conocimiento profesional con la recomendación producida por el sistema.

No se limitaban a preguntar «¿cuál es la respuesta?». Intentaban comprender en qué punto la recomendación divergía de su propio criterio, qué hipótesis podía explicar esa divergencia y qué información adicional necesitaban antes de decidir.

El contexto es médico, no empresarial. Pero la implicación para la gestión es clara: una herramienta opaca no mejora automáticamente una decisión. La calidad depende de las prácticas que existen a su alrededor.

La IA puede producir una recomendación. Pero la organización sigue necesitando a alguien capaz de preguntar: «¿Qué es lo que esto no está viendo?»

La automatización y la potenciación no son opciones opuestas

Es habitual tratar la automatización y la potenciación como dos opciones incompatibles: o la tecnología sustituye una tarea humana o ayuda a una persona a realizarla mejor.

En la práctica, la relación es más compleja. La automatización puede liberar tiempo y capacidad para decisiones más exigentes. Pero también puede reducir progresivamente el contacto del equipo con problemas que debe seguir sabiendo interpretar.

El riesgo aparece cuando la rapidez, la reducción de costes y el volumen de resultados se convierten en los únicos criterios de calidad. En ese escenario, la organización puede utilizar IA para decidir más rápido, pero no necesariamente para decidir mejor.

Una buena integración no pregunta únicamente «¿qué podemos automatizar?». También pregunta:

• ¿Qué criterio humano sigue siendo necesario?
• ¿Qué decisiones exigen una validación explícita?
• ¿Qué capacidades debemos seguir practicando?
• ¿Quién responde cuando falla la recomendación?

El recurso que surge entre la persona y la máquina

Un estudio sobre la adopción de IA en el ajedrez ayuda a concretar esta idea. Al comparar el desempeño humano, el desempeño de motores de IA y el desempeño híbrido entre personas e IA, Krakowski y sus colaboradores identificaron un nuevo recurso para la toma de decisiones, creado en la intersección entre la persona y la herramienta.

El mejor desempeño no dependía únicamente de contar con el mejor jugador o el mejor sistema. Dependía de la capacidad para utilizar la recomendación, interpretarla y convertirla en una decisión en el contexto adecuado.

Para las organizaciones, la conclusión es directa: la ventaja no está únicamente en la herramienta adquirida. Está en la capacidad colectiva para formular buenas preguntas, interpretar recomendaciones, reconocer límites y decidir con responsabilidad.

No basta con poner la IA en manos de los líderes. Es necesario desarrollar la competencia para trabajar con ella sin renunciar a la capacidad humana de decidir.

Cuatro prácticas para decidir con IA sin delegar el criterio

1. Definir qué decisiones pueden recibir asistencia y cuáles exigen una validación formal

No todas las decisiones tienen el mismo nivel de riesgo. La IA puede apoyar la preparación de una reunión, el análisis inicial de datos o la organización de información. Pero las decisiones con impacto sobre personas, inversión, reputación, estrategia o riesgo legal exigen niveles más elevados de validación humana.

La organización debe dejar claro dónde puede sugerir la IA, dónde puede ejecutar tareas y dónde nunca puede actuar como responsable de la decisión final.

2. Institucionalizar el cuestionamiento

Antes de convertir una recomendación en una decisión, alguien debe asumir la responsabilidad explícita de cuestionarla.

• ¿Qué supuestos están incorporados en esta recomendación?
• ¿Qué datos o perspectivas pueden estar ausentes?
• ¿En qué escenario fracasaría esta sugerencia?
• ¿Qué alternativa relevante no se ha considerado?

El objetivo no es retrasar todas las decisiones. Es garantizar que, en las decisiones relevantes, la velocidad no sustituya al pensamiento.

3. Hacer visible la función de la IA en el proceso

Cuando una decisión importante está apoyada por IA, el equipo debe poder explicar dónde se utilizó la herramienta, qué información recibió, qué resultado produjo y cómo influyó ese resultado en la elección final.

No se trata de crear burocracia tecnológica. Se trata de preservar la rendición de cuentas. Cuando nadie sabe cómo entró una recomendación en la decisión, nadie puede aprender de ella, corregirla o cuestionarla.

4. Evaluar la calidad del criterio, no solo la velocidad

Si los sistemas de desempeño valoran únicamente la rapidez, el volumen y el cumplimiento inmediato de objetivos, la organización está fomentando un uso más automático de la IA.

En funciones de liderazgo, gestión, RR. HH., operaciones o estrategia, también debe valorarse la capacidad para identificar riesgos, cuestionar supuestos, integrar información contradictoria y justificar una decisión difícil.

Es la diferencia entre medir resultados y gestionar la calidad del proceso que los produce. Como analizamos en el ensayo Desempeño organizacional: por qué medir no es lo mismo que gestionar, los indicadores son útiles, pero solo producen mejoras cuando existe una respuesta estructurada a partir de ellos.

Una checklist antes de decidir con apoyo de la IA

• ¿Qué decisión concreta estamos intentando apoyar?
• ¿Qué parte del proceso fue realizada por la IA?
• ¿Qué datos, fuentes o supuestos influyeron en la recomendación?
• ¿Quién la cuestionó antes de la decisión final?
• ¿Qué alternativa se consideró y se rechazó?
• ¿Quién asume la responsabilidad si la decisión produce un resultado no deseado?

Una organización madura no utiliza esta checklist porque desconfíe de la tecnología. La utiliza para garantizar que la tecnología refuerce, en lugar de debilitar, la calidad de sus decisiones.

Liderazgo e IA: decidir es ahora más exigente

La IA aumenta la capacidad para generar información. No elimina la necesidad de interpretar el contexto, gestionar la ambigüedad, asumir responsabilidades y elegir entre prioridades contrapuestas.

De hecho, cuanto más fácil resulta producir respuestas, más importante se vuelve distinguir una respuesta plausible de una decisión adecuada al contexto.

Por eso, desarrollar el liderazgo hoy no puede limitarse a la comunicación, el feedback, la delegación o la gestión de equipos. Debe incluir la capacidad para trabajar con la tecnología sin entregar a la tecnología aquello que sigue siendo una responsabilidad humana.

En VAGAR ayudamos a líderes y organizaciones a aclarar decisiones, desarrollar criterios, reforzar el juicio e integrar la IA en prácticas de gestión que siguen situando en el centro a personas responsables.

Conozca el trabajo de VAGAR en Desarrollo Organizacional y Formación y en desarrollo del liderazgo.

Reservar una conversación inicial

Base de evidencia

Krakowski, S., Luger, J., & Raisch, S. (2023). Artificial intelligence and the changing sources of competitive advantage. Strategic Management Journal, 44(6), 1425–1452.

Lebovitz, S., Lifshitz-Assaf, H., & Levina, N. (2022). To engage or not to engage with AI for critical judgments: How professionals deal with opacity when using AI for medical diagnosis. Organization Science, 33(1), 126–148.

Raisch, S., & Krakowski, S. (2021). Artificial intelligence and management: The automation-augmentation paradox. Academy of Management Review, 46(1), 192–210.