Para aprovechar los agentes de inteligencia artificial, las organizaciones mexicanas necesitan convertir su experiencia y criterio en instrucciones que puedan aplicarse de manera consistente.
Muchas empresas en México ya están experimentando con inteligencia artificial. Algunas la utilizan para redactar documentos, analizar información o automatizar tareas administrativas. Otras han comenzado a desarrollar agentes capaces de atender clientes, procesar solicitudes, preparar cotizaciones o apoyar decisiones operativas.
Sin embargo, pocas han conseguido llevar estas iniciativas a gran escala.
El principal obstáculo no suele ser la tecnología. La mayoría de las organizaciones tiene acceso a modelos, herramientas y proveedores similares. La verdadera diferencia está en algo que rara vez aparece en los planes de transformación digital: la capacidad de explicar cómo toma decisiones la empresa.
En otras palabras, no basta con darle acceso a la IA a nuestros datos y procesos. También debemos enseñarle nuestro criterio.
Ese criterio incluye todo aquello que las personas con experiencia saben, pero que pocas veces está escrito: cuándo hacer una excepción, qué riesgos son aceptables, qué significa ofrecer un buen servicio, cuándo conviene proteger el margen y cuándo es más importante conservar una relación comercial.
En muchas organizaciones mexicanas, este conocimiento vive en la experiencia de unas cuantas personas. Para que la inteligencia artificial genere verdadero valor, también debe convertirse en una capacidad de la organización.
El conocimiento que nunca aparece en los manuales
Durante décadas, las empresas han transmitido buena parte de su conocimiento mediante la convivencia y la experiencia.
Una persona recién contratada aprende observando a su jefe, consultando a compañeros con mayor antigüedad y enfrentándose gradualmente a situaciones reales. Con el tiempo, comprende no solo lo que dicen las políticas, sino también cómo se aplican.
Así aprende, por ejemplo:
- Qué cliente necesita atención inmediata, aunque su solicitud no sea la más grande.
- Cuándo puede autorizarse una excepción comercial.
- Qué problema debe escalarse a la dirección.
- Qué proveedor merece una segunda oportunidad.
- Cuándo el costo más bajo puede poner en riesgo la calidad o el servicio.
- Qué significa realmente entregar un trabajo «bien hecho» para esa empresa.
Este conocimiento es especialmente importante en México, donde las relaciones de confianza, la experiencia acumulada y la capacidad para navegar circunstancias particulares suelen tener un peso considerable en la operación.
El problema es que un agente de IA no aprende de la misma manera que una persona. No puede observar durante meses cómo actúa el mejor gerente de una sucursal, escuchar las conversaciones informales de un equipo ni interpretar por sí solo la cultura de la empresa.
Opera a partir de lo que se hace explícito.
Si una organización no define su criterio, el agente terminará llenando los vacíos por su cuenta. Puede producir una respuesta que parezca correcta, pero que no proteja la relación con el cliente, el margen del negocio, la reputación de la marca o los límites de riesgo de la empresa.
El verdadero cuello de botella
Imaginemos que una empresa implementa un agente de IA para preparar cotizaciones.
El sistema conoce los productos, los precios y las políticas de descuento. Pero ¿sabe cuándo un cliente estratégico merece una condición especial? ¿Puede distinguir entre una oportunidad relevante y una solicitud que solo consume recursos? ¿Entiende cuándo debe privilegiar la velocidad y cuándo debe consultar a Finanzas u Operaciones?
O pensemos en un agente que atiende a clientes.
Puede conocer el catálogo y las políticas de devolución, pero eso no significa que sepa cómo responder a un cliente antiguo que está frustrado, cómo manejar un error cometido por la empresa o cuándo una excepción puede evitar la pérdida de una relación valiosa.
La calidad de estos agentes dependerá menos de la cantidad de documentos que puedan consultar y más de la calidad del criterio que la organización logre proporcionarles.
A esto podemos llamarlo infraestructura de criterio: el conjunto de principios, reglas, ejemplos, límites y mecanismos de supervisión que permite que la IA actúe de acuerdo con la forma de trabajar de la empresa.
Construirla requiere tres cambios importantes.
1. La IA deja de ser un proyecto exclusivo de Tecnología
En muchas empresas, las iniciativas de IA comienzan en el área de Sistemas o Transformación Digital. Eso puede ser útil para experimentar, pero no es suficiente para transformar la operación.
Tecnología puede desarrollar un agente, integrarlo con los sistemas y establecer controles de seguridad. Lo que no puede decidir por sí sola es qué riesgos comerciales son aceptables, qué experiencia debe recibir el cliente o qué excepciones puede autorizar el sistema.
Esas decisiones pertenecen al negocio.
Por eso, la gobernanza de los agentes debe involucrar a Dirección, Operaciones, Recursos Humanos, Tecnología y, cuando corresponda, a las áreas Jurídica, Financiera, de Cumplimiento y Seguridad de la Información.
No todas las empresas mexicanas tienen estas funciones formalizadas. En una compañía mediana o familiar, varias pueden recaer en las mismas personas. Lo importante no es la estructura, sino que las decisiones técnicas no queden separadas de las decisiones operativas.
Antes de poner un agente en funcionamiento, la organización debería poder responder:
- ¿Qué puede decidir por sí solo?
- ¿Qué decisiones requieren autorización?
- ¿Qué información puede utilizar?
- ¿Cómo debe documentar sus acciones?
- ¿Cuándo debe intervenir una persona?
- ¿Quién es responsable de revisar y mejorar su desempeño?
- ¿Qué ocurrirá cuando una política, regulación o condición del negocio cambie?
Un agente no debe tratarse como una licencia de software que se compra, configura y olvida. Su comportamiento debe revisarse y ajustarse continuamente.
2. Los líderes se convierten en arquitectos del criterio
Este es probablemente el cambio más importante.
Tradicionalmente, el valor de un buen gerente ha estado en su capacidad para resolver problemas, coordinar personas y tomar decisiones bajo presión. En una organización impulsada por IA, tendrá además una nueva responsabilidad: convertir esa experiencia en un sistema que otras personas y agentes puedan utilizar.
Un gerente de crédito, por ejemplo, no solo deberá revisar solicitudes. Tendrá que explicar qué señales considera relevantes, qué combinaciones representan un riesgo y qué circunstancias justifican una revisión especial.
Un responsable de compras no solo negociará con proveedores. También deberá convertir su experiencia en criterios: cuándo priorizar precio, cuándo proteger la continuidad operativa, cómo evaluar la confiabilidad de un proveedor y qué condiciones ameritan una excepción.
Un director de planta no solo resolverá incidentes. Tendrá que ayudar a documentar cómo distingue un problema menor de uno que puede afectar la seguridad, la calidad o el cumplimiento de una entrega.
Este trabajo puede parecer administrativo, pero es profundamente estratégico. Permite que el conocimiento deje de depender de la memoria de unas cuantas personas y se convierta en una capacidad repetible.
También ayuda a resolver un problema frecuente en las empresas mexicanas: la pérdida de conocimiento cuando una persona clave cambia de puesto, se jubila o sale de la organización.
3. El profesional más valioso combina pensamiento y ejecución
La división entre quienes diseñan la estrategia y quienes ejecutan las tareas está comenzando a desaparecer.
Los profesionales con mayor impacto serán aquellos capaces de comprender un problema, definir el criterio para resolverlo y construir —por sí mismos o con apoyo técnico— un flujo de trabajo que lo ejecute de manera consistente.
No se limitarán a utilizar herramientas de IA para producir textos o presentaciones. Las emplearán para rediseñar procesos, analizar excepciones, automatizar actividades repetitivas y elevar la calidad de las decisiones.
Este perfil será especialmente relevante para las organizaciones mexicanas que necesitan hacer más con equipos limitados. Una empresa no siempre podrá contratar especialistas adicionales para cada función, pero sí puede ayudar a sus mejores profesionales a multiplicar su capacidad.
Para conseguirlo, la capacitación debe ir más allá de enseñar a redactar instrucciones para un chatbot. Los colaboradores necesitan aprender a:
- Descomponer un proceso.
- Identificar decisiones y excepciones.
- Explicar el razonamiento detrás de una acción.
- Definir límites y puntos de escalamiento.
- Evaluar la calidad de los resultados.
- Mejorar las instrucciones a partir de la experiencia.
La habilidad clave no será simplemente «usar IA», sino convertir el conocimiento propio en una forma de trabajo que la IA pueda apoyar y amplificar.
Cómo capturar el criterio de la organización
Pedir a las personas con mayor experiencia que documenten todo lo que saben rara vez funciona. El conocimiento tácito es difícil de explicar en abstracto.
Una alternativa más eficaz consiste en presentar situaciones reales.
Reúna a tres o cuatro personas con experiencia en la misma función y analicen casos que la organización haya enfrentado:
- Un cliente importante solicita algo fuera de política.
- Una planta puede cumplir la fecha de entrega, pero solo aceptando un riesgo de calidad.
- Un proveedor estratégico incumple por segunda vez.
- Un colaborador presenta una situación que no encaja claramente en el procedimiento.
- Una sucursal alcanza sus metas, pero genera un número inusual de quejas.
- Una oportunidad comercial es atractiva, aunque sus condiciones podrían afectar el flujo de efectivo.
Donde todos estén de acuerdo, probablemente existe una regla clara. Donde aparezcan diferencias, existe criterio que vale la pena capturar.
La conversación debe profundizar en preguntas como:
- ¿Qué información modifica la decisión?
- ¿Qué riesgo intentamos evitar?
- ¿Qué principios no estamos dispuestos a comprometer?
- ¿En qué circunstancias aceptaríamos una excepción?
- ¿Qué tendría que ocurrir para escalar el caso?
- ¿Cómo sabríamos, meses después, si la decisión fue correcta?
La transcripción de estas sesiones puede convertirse en el primer borrador de una guía para el agente. Después, esa guía debe probarse con casos históricos y situaciones nuevas para identificar vacíos, contradicciones y excepciones.
Una ruta práctica para comenzar
Las organizaciones no necesitan codificar todo su conocimiento antes de empezar. Conviene elegir un proceso concreto en el que el criterio sea importante, pero donde los errores puedan detectarse y corregirse antes de causar un impacto grave.
Una ruta inicial puede incluir cinco pasos:
1. Elegir una decisión frecuente
Busque una actividad que consuma tiempo y se repita con regularidad: clasificar solicitudes, preparar cotizaciones, revisar documentos, responder consultas o canalizar incidentes.
2. Identificar a las personas de referencia
No tienen que ser necesariamente quienes ocupan los cargos más altos. Deben ser las personas a quienes los demás consultan cuando aparece un caso difícil.
3. Analizar casos reales
Utilice ejemplos recientes, incluyendo situaciones que terminaron bien y otras que produjeron problemas. El objetivo es descubrir cómo se tomó la decisión, no solamente cuál fue el resultado.
4. Probar al agente bajo supervisión
Al principio, el sistema debe recomendar, no decidir. Compare sus propuestas con las de los expertos y documente las diferencias.
5. Mejorar el criterio continuamente
Cada excepción nueva puede revelar una regla faltante. Cada error puede convertirse en una oportunidad para perfeccionar las instrucciones y los controles.
Una ventaja especialmente relevante para México
La llegada de nuevas inversiones, la relocalización de cadenas productivas y la necesidad de elevar la productividad están aumentando la presión sobre las empresas mexicanas. Muchas deberán crecer, profesionalizar sus operaciones y mantener la calidad sin incrementar su estructura al mismo ritmo.
En ese contexto, la inteligencia artificial puede convertirse en una herramienta poderosa. Pero su valor no estará solamente en reducir costos o automatizar tareas. Su mayor potencial será ayudar a distribuir la experiencia de las mejores personas de la organización.
Cuando el criterio se codifica correctamente:
- Las decisiones se vuelven más consistentes entre plantas, sucursales y regiones.
- Los equipos nuevos pueden aprender con mayor rapidez.
- Las personas experimentadas dejan de ser un cuello de botella.
- Las excepciones se manejan con mayor disciplina.
- El conocimiento permanece en la organización.
- Los líderes pueden dedicar más tiempo a problemas estratégicos.
Esto es particularmente valioso en empresas familiares y organizaciones que han crecido alrededor de sus fundadores. En ellas, una parte importante del negocio puede depender de conocimientos que nunca se han formalizado: cómo se evalúa a un cliente, cómo se negocia con un proveedor o cómo se protege la reputación construida durante años.
Codificar ese criterio no significa reemplazar la intuición de los líderes. Significa convertirla en una capacidad institucional que pueda conservarse, transmitirse y mejorarse.
La siguiente etapa de la adopción de IA
La primera etapa de la inteligencia artificial empresarial estuvo definida por el acceso a las herramientas. La siguiente estará definida por la capacidad de las organizaciones para enseñarles cómo trabajan.
Comprar tecnología será relativamente fácil. Lo difícil será hacer explícitas las decisiones, principios y excepciones que distinguen a una empresa de sus competidores.
Por eso, la pregunta que los líderes mexicanos deben plantearse no es solamente: «¿En qué procesos podemos utilizar IA?».
La pregunta más importante es: «¿Sabemos explicar por qué nuestras mejores personas toman las decisiones que toman?».
Las organizaciones que respondan esa pregunta podrán transformar su experiencia en una ventaja que se multiplique. Las que no lo hagan tendrán agentes técnicamente capaces, pero desconectados de la realidad, la cultura y las prioridades del negocio.
La verdadera ventaja competitiva no estará en tener inteligencia artificial. Estará en enseñarle a pensar y actuar de acuerdo con el mejor criterio de la organización.