Artículo

Salí a correr un domingo y llegué más rápido al lugar equivocado

4 min de lectura

Ilustración mural de una corredora con cronómetro detenida ante un edificio con tuberías visibles

El domingo salí a correr porque no podía dormir.

Hacía ruido en la calle. Bocinas, vallas, un corte por una carrera 5k de esas que se organizan para una causa. Yo no iba inscrita. Solo salí a trotar por fuera para despejarme.

Para no estorbar, apreté el paso.

Corrí más rápido que nunca. Y me equivoqué de calle.

Terminé en una avenida que no era. Con buen ritmo. Con buen tiempo. En el lugar equivocado.

Me reí sola, porque era exactamente lo que veo en las empresas.

La trampa de los minutos ahorrados

La IA funcionó perfecto.

Ese era el problema.

Una empresa ya había automatizado sus reportes de mantenimiento para edificios. La idea era simple: que la IA recibiera los tickets, los ordenara y los repartiera.

En el tablero todo se veía bien. Menos tiempo por ticket. Más tickets cerrados por día.

El equipo estaba contento. La dirección también.

Hasta que empezaron las llamadas de los administradores. Molestos.

Fuimos a ver qué había debajo.

El modelo no distinguía una falla en instalaciones para vivienda vertical, donde quedarse sin agua afecta a decenas de familias al mismo tiempo, de un timbre descompuesto o una mancha de humedad menor.

Los ordenaba por llegada. No por impacto.

Entonces lo urgente esperaba. Y lo menor se atendía primero.

El sistema era más rápido. La decisión era peor.

Por eso el dato del reporte The GenAI Divide: State of AI in Business 2025 de MIT NANDA no me sorprende. Dice que el 95 por ciento de los pilotos no obtiene retorno medible, pese a una inversión empresarial de entre 30 y 40 mil millones de dólares, y que solo un 5 por ciento logra extraer valor significativo.

No es que la tecnología no funcione.

Es que se está midiendo lo incorrecto.

En una consultoria en inteligencia artificial seria, lo primero que se pregunta no es cuánto tardas. Es qué estás decidiendo y con qué información.

Eso pasa mucho en ia para empresas: se automatiza el reporte, no la decisión.

Usar chatgpt para empresas para redactar más rápido no significa decidir mejor. Saber como usar chatgpt no te dice si lo estás usando en el problema correcto.

La velocidad es fácil de medir. Por eso nos gusta.

Pones un cronómetro. Comparas antes y después. Presumes el ahorro.

Pero la decisión no cabe en un cronómetro.

Medir mejor, no correr más rápido

Soy extremadamente dispersa.

Lo digo en serio. 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.

La IA no me dio más tiempo libre. Trabajo más que nunca.

Lo que cambió es que soy mejor en mi trabajo.

Esa es la diferencia que casi nadie mide.

Hay dos preguntas distintas. Solo una sirve.

¿Qué tarea podemos automatizar? Esa pregunta te lleva a correr más rápido.

¿Qué decisiones estamos tomando con información incompleta porque analizarlo todo tardaría demasiado? Esa pregunta te lleva al lugar correcto.

La primera te ahorra minutos. La segunda te evita errores caros.

En el caso del mantenimiento, la pregunta útil no era cómo repartir tickets más rápido.

Era cómo distinguir qué falla deja sin servicio a un edificio completo y qué falla puede esperar al día siguiente.

El modelo estaba bien. La información estaba sin jerarquía.

Automatizar sobre información sin jerarquía no arregla nada.

Vuelve el error sistemático. Rápido. Consistente. Automático.

Yo diagnosticar antes de implementar lo veo así: primero entiendes la decisión, luego eliges la herramienta.

Si quieres dejar de correr al lugar equivocado, cambia lo que mides.

  • Mide cuántas decisiones se revirtieron después. No cuántos reportes se generaron.
  • Mide cuántos casos urgentes se atendieron tarde. No cuántos tickets se cerraron.
  • Mide si el cliente tuvo que llamar dos veces por lo mismo. No si el mensaje salió en segundos.

Tres medidas simples.

Todas hablan de criterio. Ninguna habla de velocidad.

La IA multiplica tu criterio. No reemplaza la parte donde tienes uno.

Antes de automatizar cualquier cosa yo preguntaría una sola cosa: ¿puedo confiar en la información con la que esta IA va a decidir?

Si la respuesta es no, el modelo es el menor de tus problemas.

Si quieres ver dónde está eso en tu empresa, es justo lo que buscamos en un TRiAGE.