Tomar decisiones de IA sin ser técnico
Framework práctico para evaluar herramientas, proveedores y propuestas internas cuando no vienes de ingeniería.
Paso 3 de 6
El 60% de los ejecutivos ya usa IA para apoyar sus decisiones (Deloitte, 2026). Pero la mayoría no puede explicar por qué eligió una herramienta sobre otra, qué riesgos asume con un proveedor específico, o si la propuesta interna que le acaban de presentar tiene sentido técnico.
No necesitas saber cómo funciona un modelo de lenguaje por dentro. Necesitas saber qué preguntas hacer para no depender ciegamente de quien sí lo sabe.
El modelo mental mínimo
Antes de evaluar cualquier herramienta o propuesta, necesitas tres distinciones claras:
IA vs. automatización. No todo lo que te venden como "IA" lo es. Si una herramienta sigue reglas fijas (si X entonces Y), es automatización. Funciona bien, es predecible, es barata. Si una herramienta genera respuestas nuevas basadas en patrones aprendidos, es IA generativa. Funciona distinto: es poderosa pero impredecible, y requiere supervisión.
Capacidad vs. confiabilidad. Que un modelo pueda hacer algo en un demo no significa que lo haga bien el 95% de las veces en producción. Pregunta siempre: ¿cuál es la tasa de error esperada? ¿Qué pasa cuando falla? ¿Quién revisa?
Costo de tokens vs. costo real. El precio de la API es una fracción del costo total. Integración, seguridad, cambio organizacional, soporte, mantenimiento. El 75% de los proyectos de IA que se estancan lo hacen por sponsorship débil y mala gestión del cambio, no por problemas técnicos.
No necesitas entender la tecnología. Necesitas entender el riesgo.
Tu trabajo no es saber cómo entrena un modelo. Es saber qué puede salir mal, cuánto cuesta si sale mal, y si tienes un plan para cuando pase. Eso es juicio ejecutivo, no conocimiento técnico.
Cinco preguntas para evaluar cualquier propuesta de IA
Usa estas preguntas cada vez que alguien te presente una herramienta, un proveedor o un proyecto interno de IA. Si no pueden responder con claridad, la propuesta no está lista.
1. ¿Qué problema de negocio resuelve?
No "qué puede hacer la herramienta". Qué problema concreto y medible de tu operación resuelve. Si la respuesta es "mejora la productividad" sin especificar de quién, en qué tarea y cuánto, es humo.
2. ¿Qué pasa cuando falla?
Toda herramienta de IA falla. La pregunta no es si falla, sino qué consecuencia tiene. ¿Un email mal redactado? ¿Un análisis financiero incorrecto que llega al board? ¿Una respuesta a un cliente que viola regulación? El nivel de riesgo determina el nivel de supervisión humana que necesitas.
3. ¿Dónde van los datos?
Tres preguntas dentro de una: ¿los datos salen de tu infraestructura? ¿El proveedor los usa para entrenar sus modelos? ¿Cumple con la regulación de datos de los países donde operas? Si tu equipo técnico no puede responder estas tres en treinta segundos, no han hecho la tarea.
4. ¿Cuál es el costo total, no solo la licencia?
Pide el desglose completo: licencias, integración, capacitación del equipo, horas de IT para mantenimiento, costo de supervisión humana del output. Un piloto de USD 500/mes puede costar USD 15.000/mes cuando lo llevas a producción con todo lo que necesita para funcionar de verdad.
5. ¿En cuánto tiempo sabemos si funciona?
Si la respuesta es "12 a 18 meses", es un proyecto de transformación, no un piloto. Si es "2 semanas", probablemente están midiendo algo irrelevante. Un rango razonable para un piloto bien definido: 6 a 12 semanas con métricas claras desde el día uno.
Cómo evaluar un proveedor de IA
| Criterio | Qué buscar | Señal de alarma |
|---|---|---|
| Transparencia | Explica cómo funciona su producto en lenguaje claro. Publica métricas de rendimiento. | "Es nuestra salsa secreta." No te dice qué modelo usa ni dónde corren tus datos. |
| Referencias verificables | Clientes en tu industria y tamaño que puedas contactar. | Solo muestra logos grandes. No te conecta con nadie. |
| Plan de fallas | Tiene documentación de qué pasa cuando el sistema falla y cómo se recupera. | "Nuestro sistema no falla." Todo sistema falla. |
| Lock-in | Puedes exportar tus datos e integraciones si cambias de proveedor. | Formatos propietarios, contratos de permanencia largos, migración costosa. |
| Soporte real | Tiempos de respuesta definidos, escalamiento claro, soporte en tu idioma y zona horaria. | "Comunidad en Slack" como único canal de soporte para clientes enterprise. |
Cuidado con los demos
Un demo bien preparado puede hacer que cualquier herramienta parezca mágica. Pide siempre una prueba con tus datos reales, en tu contexto, con tu equipo. Lo que funciona en un demo controlado no necesariamente funciona a las 3 de la tarde de un viernes con datos sucios y un equipo apurado.
El comité de decisiones de IA
No tomes decisiones de IA solo. Tampoco por consenso de toda la organización. Forma un comité pequeño con roles claros:
- Sponsor ejecutivo (tú o alguien del C-suite): tiene la última palabra. Decide basándose en riesgo de negocio y alineación estratégica.
- Líder técnico: evalúa viabilidad, seguridad, integración. No decide solo, pero tiene poder de veto por razones técnicas justificadas.
- Líder de operaciones: representa a los usuarios finales. Si la herramienta no resuelve un problema real de operación, no importa qué tan buena sea la tecnología.
- Legal/compliance (interno o externo): valida regulación, datos, contratos. No ralentiza: protege.
Cada decisión de inversión en IA pasa por este comité. Sin excepciones. El proceso no tiene que ser lento: una reunión de 45 minutos con las cinco preguntas anteriores resueltas alcanza para la mayoría de las decisiones.
La regla OVIS para decisiones rápidas
Un modelo que funciona bien en empresas medianas: una persona es Owner de la decisión, dos o tres personas tienen poder de Veto o Influencia, y el resto del equipo tiene visibilidad del resultado. Evita el consenso que paraliza sin eliminar los controles necesarios.
Señales de que funciona
- Las decisiones de IA se toman en semanas, no en trimestres.
- Puedes explicar a tu board por qué elegiste cada herramienta y qué riesgo asumes.
- Tu equipo técnico siente que lo escuchas, no que lo ignoras ni que le delegas todo.
- No tienes herramientas de IA que nadie usa porque alguien las compró sin evaluar.