Ningún modelo sabe dónde conviene operar. Solo sabe dónde los números se ven bien.
Y aun así le estamos dejando decidir cosas que nunca pisó.
Una empresa de servicios profesionales quería abrir una segunda sede. Tenía el análisis listo. Tiempos de traslado, precio por metro, disponibilidad de personal en la zona.
El tablero lo decía claro. Ahí era.
Casi firman.
Fueron a ver la calle un martes a las siete de la mañana. Tráfico parado dos cuadras antes. Una obra que iba a durar meses. Una entrada que en el mapa se veía amplia y en persona apenas dejaba pasar un coche.
Nada de eso estaba en la base.
La IA no se había equivocado en la cuenta. Se había equivocado en lo que no le contaron.
El mapa no es la calle
Soy extremadamente dispersa. Mi equipo me armó lo que yo llamo mi niñera diaria. Cada mañana me dice qué debo, qué es urgente y qué no se puede caer.
Sin ese contexto, mi agenda se ve perfecta y mi día se vuelve imposible.
Con las empresas pasa igual.
El modelo trabaja con lo que está digitalizado. La operación vive en lo que no lo está. Ruido. Accesos. Rutinas. La forma en que una zona se comporta a las siete de la mañana contra cómo se comporta a las once.
Eso es lo que pasa en la mayoría de los proyectos de ia para empresas que se quedan atorados entre la demostración y la operación. No falla la matemática. Falla el territorio.
El informe del MIT que cita Forbes Argentina lo pone en números duros. Miles de millones invertidos en IA generativa y apenas cinco por ciento con resultado medible. El análisis de IDEAFOSTER agrega otro dato incómodo. En 2025, 42 por ciento de las empresas abandonó la mayoría de sus iniciativas en los primeros seis meses.
No abandonaron porque el modelo fuera malo. Abandonaron porque en producción apareció la calle.
Lo que la base nunca tuvo
En inmobiliario se ve muy claro. La consultora JLL documenta cómo la IA está cambiando la demanda de espacio y la forma de elegir ubicación. La consultora CBRE describe usos concretos. Priorizar prospectos, responder en lenguaje natural, extraer atributos de fotos, planos y videos.
Todo eso ayuda. Nada de eso pisa la banqueta.
En el papel, unos departamentos en Bosques de las Lomas y otra opción al poniente se veían casi idénticas. Precio por metro parecido. Amenidades parecidas. Tiempo estimado a oficinas parecido.
Pregunta a quien hace el recorrido todos los días qué significa vivir en Bosque Real entre semana y te habla de otra cosa. Accesos, horarios, ruido, rutina. Nada de eso cabe en una celda.
La visión computacional puede sacar recámaras de una foto. No puede sacar cómo se siente salir a las seis de la tarde un viernes con lluvia.
Ese es el punto ciego. No es información fragmentada. Es información que nunca se capturó.
No es un problema de saber chatgpt para empresas a nivel usuario. Es un problema de decidir con qué información dejas que decida.
La pregunta está mal hecha
Casi todos los equipos preguntan lo mismo. ¿Qué tarea podemos automatizar?
Yo pregunto otra cosa. ¿Qué decisiones estamos tomando con información incompleta porque analizarlo todo tardaría demasiado?
Son dos preguntas distintas. Llevan a dos proyectos distintos.
La primera te lleva a acelerar lo que ya haces. La segunda te obliga a revisar si lo que haces tiene sentido en esa calle, con ese equipo, en ese horario.
Por eso una consultoria en inteligencia artificial seria empieza por revisar la información, no por instalar modelos. Ya lo describe el análisis sobre el 95% de los pilotos que no llegan a resultado. El diagnóstico va antes.
Y no se resuelve con otro tutorial de como usar chatgpt. Se resuelve yendo a ver.
Lo que sí cabe en un diagnóstico
La IA no me dio más tiempo libre. Trabajo más que nunca.
Lo que cambió es que soy mejor en mi trabajo. Porque tengo contexto a tiempo.
Para una decisión de ubicación, ese contexto es muy concreto.
- Qué datos entran al modelo y cuáles se quedaron fuera por flojera.
- Qué pasa en sitio a distintas horas, no solo en el reporte de las once.
- Quién sufre el error si el modelo se equivoca. El equipo, el cliente, el proveedor.
- Qué decisión es reversible y cuál te amarra doce meses de renta.
Nada de eso lo responde un tablero. Todo eso define si el tablero sirve.
La automatización no limpia una mala decisión. A veces nada más la convierte en sistema.
Antes de automatizar, yo preguntaría una sola cosa. ¿Puedo confiar en la información con la que esta IA va a decidir, incluida la que nunca se capturó?
Si la respuesta es no, el modelo es el menor de tus problemas.
Lo explica mejor la propia página de Margot Duek. Si quieres ver dónde está eso en tu empresa, es justo lo que buscamos en un TRiAGE.
