Del conocimiento al criterio
Durante décadas, una parte importante del valor profesional estuvo en saber aquello que otros no sabían. La inteligencia artificial está cambiando esa condición. Cuando acceder a conocimiento, análisis y respuestas se vuelve cada vez más fácil, la ventaja empieza a desplazarse hacia otra capacidad: distinguir qué información importa, qué respuesta corresponde realmente al problema y qué decisión merece ser tomada. La nueva escasez puede no estar en saber. Puede estar en tener criterio.
Durante buena parte de nuestra historia profesional, conocimiento y valor estuvieron estrechamente relacionados. Quien sabía más podía comprender y resolver problemas que otros no podían enfrentar con la misma facilidad. Por eso construimos universidades, profesiones y sistemas de certificación alrededor de la adquisición y validación del conocimiento. Un médico estudiaba durante años para dominar un cuerpo de conocimiento al que la mayoría de las personas no tenía acceso; un abogado construía parte de su valor conociendo leyes, precedentes y procedimientos; un ingeniero necesitaba dominar principios técnicos difíciles de adquirir, y un consultor podía ser contratado porque tenía acceso a información, metodologías y experiencias que para sus clientes resultaban difíciles de obtener y organizar.
El conocimiento era valioso no solamente porque permitía comprender mejor la realidad, sino también porque era relativamente escaso. Obtenerlo requería tiempo, disciplina, acceso a determinadas instituciones y, en muchos casos, años de especialización. Saber algo que otros no sabían representaba una ventaja profesional real.
La inteligencia artificial está empezando a modificar esa economía. Hoy una persona puede conversar con sistemas capaces de explicar conceptos complejos, analizar documentos, sintetizar investigaciones, comparar alternativas, producir escenarios y acceder en segundos a capacidades intelectuales que hace apenas unos años habrían requerido consultar diferentes fuentes o especialistas. Esto no significa que todos nos hayamos convertido repentinamente en expertos ni que estudiar haya dejado de ser necesario. Significa algo más preciso: el costo de acceder a una parte importante del conocimiento y de trabajar con él está disminuyendo extraordinariamente.
Y cuando algo deja de ser escaso, no necesariamente pierde su valor, pero sí cambia su capacidad para diferenciarnos.
Por eso la pregunta profesional de la nueva era ya no podrá ser solamente cuánto sabemos. Tendremos que empezar a responder otra mucho más exigente: qué somos capaces de hacer con todo aquello que ahora podemos saber.
Cuando el problema deja de ser encontrar respuestas
Imaginemos una empresa que necesita decidir si debe entrar en un nuevo mercado. Hace algunos años, construir una primera aproximación rigurosa podía requerir semanas de investigación, consultar expertos, recopilar información sobre competidores, analizar regulaciones y desarrollar manualmente diferentes escenarios financieros. Una parte importante del trabajo consistía simplemente en conseguir y organizar el conocimiento necesario para comenzar a decidir.
Hoy un equipo puede utilizar inteligencia artificial para investigar competidores, identificar tendencias, comparar modelos de entrada, analizar información, estudiar regulaciones, construir escenarios financieros y producir alternativas en una fracción del tiempo. En los próximos años, esa capacidad será todavía mayor.
El problema empieza entonces a cambiar de naturaleza. Antes necesitábamos conseguir suficientes respuestas para tomar una decisión; ahora podemos terminar teniendo demasiadas. Una estrategia de precios parece razonable, pero también otra. Tres segmentos de clientes muestran oportunidades. Existen varios mercados posibles y diferentes modelos pueden producir escenarios defendibles. Cada alternativa puede venir acompañada por datos, proyecciones y argumentos suficientemente convincentes.
La abundancia de respuestas no elimina la incertidumbre. En determinadas situaciones puede aumentarla, porque alguien todavía tiene que determinar qué información merece confianza, qué variables son realmente relevantes, qué riesgos estamos dispuestos a asumir, qué consecuencias estamos preparados para aceptar y qué alternativa corresponde mejor a las condiciones particulares de esa empresa.
Ese trabajo no consiste simplemente en saber más.
Ese es el territorio del criterio.
El criterio no es simplemente tener una opinión
Hablar de criterio puede resultar engañoso porque solemos utilizar la palabra para describir casi cualquier posición personal. Decimos que alguien “tiene su criterio” cuando expresa una opinión o prefiere una alternativa. Pero en la nueva era necesitaremos una definición mucho más exigente.
Una opinión puede existir sin evidencia suficiente, sin comprensión profunda del contexto y sin haber considerado seriamente otras alternativas. El criterio, en cambio, implica la capacidad de utilizar conocimiento, experiencia, evidencia y comprensión de consecuencias para distinguir entre diferentes opciones plausibles y decidir cuál corresponde mejor a una situación determinada.
Una persona con criterio no solamente puede decir qué haría. Puede explicar por qué lo haría, qué información utilizó para llegar a esa conclusión, qué riesgos está aceptando, bajo qué condiciones su decisión podría dejar de ser correcta y qué nueva evidencia sería suficiente para hacerla cambiar de posición.
Esta diferencia se vuelve especialmente importante cuando trabajamos con inteligencia artificial, porque una IA puede construir argumentos extraordinariamente convincentes para posiciones diferentes. Podemos pedirle que explique por qué deberíamos entrar en un mercado y obtener una respuesta sólida; después podemos pedirle que construya el mejor argumento posible para no entrar y recibir una respuesta igualmente sofisticada.
Las dos respuestas pueden contener conocimiento válido.
Pero alguien todavía tiene que decidir qué hacer.
La IA puede ampliar enormemente el espacio de alternativas. El criterio determina cómo nos movemos dentro de él.
Democratizar conocimiento no significa democratizar automáticamente criterio
Esta distinción ayuda a comprender una de las grandes paradojas de la inteligencia artificial. Si millones de personas pueden acceder a sistemas capaces de analizar información, explicar conceptos y producir respuestas sofisticadas, podríamos imaginar que las diferencias entre profesionales comenzarán a desaparecer. En algunas dimensiones probablemente ocurrirá. Personas que antes tenían dificultades para investigar, escribir, programar, analizar datos o acceder a determinados conocimientos podrán aumentar radicalmente su capacidad.
Pero compartir acceso a una inteligencia semejante no significa utilizarla de la misma manera.
Dos empresarios pueden trabajar con exactamente el mismo sistema y obtener resultados completamente diferentes. Uno puede formular una pregunta superficial, aceptar la primera respuesta razonable y utilizarla para confirmar aquello que ya había decidido. Otro puede utilizar la misma herramienta para cuestionar sus supuestos, buscar evidencia contraria, comparar escenarios, identificar variables que está ignorando y someter su hipótesis a presión antes de tomar una decisión.
La capacidad tecnológica disponible es semejante. Lo que cambia es la calidad del proceso mediante el cual cada uno la dirige.
Por eso la democratización de la inteligencia puede producir un efecto aparentemente contradictorio: cuanto más se iguale el acceso al conocimiento, más visibles pueden volverse las diferencias en nuestra capacidad para interpretarlo y convertirlo en decisiones.
El conocimiento se democratiza más rápido que el criterio porque el primero puede ser entregado. El segundo necesita construirse.
A veces el problema está antes de la respuesta
Existe además una dimensión del criterio que puede volverse todavía más importante cuando las respuestas sean abundantes: reconocer cuál es el problema que realmente estamos intentando resolver.
Una empresa puede preguntar cómo aumentar sus ventas y utilizar inteligencia artificial para construir veinte estrategias excelentes. Puede mejorar publicidad, automatizar prospección, modificar precios, desarrollar nuevos canales, personalizar ofertas o implementar sistemas capaces de identificar mejores oportunidades comerciales. Todas esas recomendaciones pueden ser técnicamente correctas.
Pero quizá las ventas no sean el verdadero problema.
Tal vez la empresa ya consiga suficientes clientes y los pierda demasiado rápido. Quizá venda productos con márgenes que destruyen rentabilidad. Puede que su propuesta de valor haya dejado de diferenciarse o que la organización haya alcanzado un límite estructural que le impide absorber más crecimiento sin aumentar proporcionalmente la carga del fundador.
En cualquiera de esos casos, la inteligencia artificial podría haber respondido correctamente a la pregunta formulada.
El error estaba antes de la respuesta: estábamos intentando resolver el problema equivocado.
Esta diferencia se vuelve fundamental porque durante décadas dedicamos una enorme cantidad de capacidad profesional a encontrar respuestas. Cuando producir respuestas era costoso, esa inversión tenía sentido. Pero si la inteligencia artificial reduce drásticamente ese costo, podremos trasladar una parte mayor de nuestra capacidad hacia algo que siempre fue más difícil: definir correctamente aquello que merece ser resuelto.
El criterio no consiste entonces solamente en elegir entre respuestas. También consiste en reconocer cuándo necesitamos detenernos antes de responder y reformular el problema.
El experto ya no será solamente quien sabe más
Este cambio puede modificar profundamente nuestra idea de expertise. Tradicionalmente acudíamos al experto porque sabía algo que nosotros desconocíamos. Había estudiado más, enfrentado más casos, desarrollado una especialización o acumulado conocimiento difícil de conseguir. Esa ventaja seguirá existiendo, especialmente en disciplinas donde comprender los fundamentos resulta indispensable para evaluar riesgos y consecuencias.
Pero la inteligencia artificial puede desplazar progresivamente parte del valor del experto desde saber más hacia distinguir mejor.
Distinguir información relevante de ruido, una tendencia estructural de una moda pasajera, una correlación de una causa, una recomendación técnicamente correcta de una decisión adecuada para un contexto particular. Distinguir cuándo necesitamos más información y cuándo continuar investigando solamente retrasa una decisión. Distinguir cuándo la experiencia anterior constituye una ventaja y cuándo está condicionando nuestra capacidad para comprender algo nuevo.
La IA puede presentar diez alternativas razonables. El experto de la nueva era tendrá que aportar algo que no consiste simplemente en producir una alternativa número once: deberá ayudar a comprender qué diferencia realmente a unas de otras y por qué esa diferencia importa.
En un mundo con pocas respuestas, tener una respuesta generaba valor. En un mundo con demasiadas, la capacidad de distinguir entre ellas puede volverse mucho más importante.
El criterio también tendrá que salir de la cabeza de las personas
Esta transformación no afecta solamente a los profesionales. Tiene una consecuencia estructural para las empresas.
En muchas organizaciones, una parte importante del criterio continúa viviendo dentro de las personas más experimentadas. Un fundador sabe cuándo conceder una excepción comercial, un gerente reconoce cuándo una situación debe escalarse, un comprador experimentado identifica cuándo un proveedor representa un riesgo y un vendedor sabe qué cliente merece una condición diferente. Muchas veces toman decisiones correctas sin poder explicar completamente qué variables consideraron porque años de experiencia comprimieron ese conocimiento hasta convertirlo en algo que llamamos intuición.
Mientras las decisiones eran exclusivamente humanas, una parte de ese criterio podía permanecer implícita. Cuando comenzamos a incorporar sistemas inteligentes capaces de recomendar o ejecutar decisiones, necesitamos hacerlo visible. Debemos determinar qué información debe considerar un sistema, qué objetivos debe priorizar, qué límites no puede cruzar, qué decisiones puede tomar y en qué momento debe detenerse para solicitar intervención humana.
Esto obliga a las empresas a realizar un trabajo que durante años pudieron evitar: comprender cómo deciden realmente.
El criterio empieza entonces a dejar de ser únicamente una capacidad individual y puede convertirse progresivamente en infraestructura organizacional. Una empresa capaz de explicitar sus mejores criterios puede distribuirlos entre más personas y sistemas inteligentes; una empresa que no comprende cómo decide puede incorporar mucha tecnología y continuar dependiendo de las mismas personas para validar prácticamente todo.
Por eso la transformación empresarial frente a la IA no consiste solamente en entregar nuevas herramientas a los equipos. También exige construir los criterios que permitan gobernar aquello que esas herramientas pueden hacer.
La IA puede ayudarnos a construir criterio, pero no puede asumir nuestra responsabilidad
La inteligencia artificial también puede convertirse en una herramienta extraordinaria para desarrollar criterio. Podemos pedirle que cuestione nuestra hipótesis, encuentre argumentos contrarios, identifique información que estamos ignorando, compare escenarios y señale inconsistencias en nuestro razonamiento. Utilizada de esta manera, no solamente nos entrega respuestas: puede ayudarnos a mejorar el proceso mediante el cual llegamos a ellas.
Pero existe una diferencia fundamental entre recibir una recomendación y asumir una decisión.
Una máquina puede decirnos que una estrategia tiene mayor probabilidad de éxito. Puede analizar datos que nosotros no podríamos procesar, identificar riesgos y construir una recomendación extraordinariamente sofisticada. Sin embargo, las organizaciones continúan necesitando determinar qué objetivos persiguen, qué riesgos consideran aceptables, qué consecuencias están dispuestas a asumir y quién responde cuando una decisión produce resultados diferentes a los esperados.
Cuanto más poderosa sea la capacidad que ponemos a disposición de una persona o una empresa, más importante será el criterio que la dirige.
Porque la inteligencia artificial puede aumentar nuestra capacidad para actuar sin responder por nosotros una pregunta esencial:
¿qué merece ser hecho?
El conocimiento no desaparece: cambia de función
Nada de esto significa que el conocimiento esté dejando de importar. Al contrario. Una persona sin fundamentos suficientes puede tener dificultades para reconocer cuándo una respuesta generada por IA es incorrecta, incompleta o peligrosa. Para desarrollar criterio necesitamos comprender aquello sobre lo que estamos decidiendo.
Lo que cambia es la función del conocimiento.
Durante mucho tiempo, poseer conocimiento era en sí mismo una fuente importante de diferenciación. En la nueva era puede convertirse cada vez más en la materia prima sobre la cual construimos una capacidad superior.
Podemos expresarlo mediante una secuencia sencilla:
Información → Conocimiento → Criterio.
La información nos entrega datos y posibilidades. El conocimiento nos permite comprender relaciones, principios y contextos. El criterio nos permite utilizar todo aquello para decidir.
La inteligencia artificial puede expandir extraordinariamente los dos primeros niveles. Puede darnos acceso a más información y ayudarnos a convertirla en conocimiento utilizable con una velocidad que ninguna generación anterior tuvo disponible.
Pero cuanto más aumenten esas capacidades, más importante será aquello que hacemos después con ellas.
La nueva escasez puede ser saber qué hacer
Estamos entrando en una época en la que muchas de las capacidades que utilizábamos para demostrar valor profesional serán progresivamente más accesibles. Investigar será más fácil. Analizar información será más rápido. Generar alternativas será barato. Acceder a conocimiento especializado será cada vez menos excepcional.
Esto no significa que todos obtendremos los mismos resultados.
Puede significar exactamente lo contrario.
Cuando el acceso a capacidad se democratiza, la diferencia se desplaza hacia la manera en que utilizamos esa capacidad.
Dos personas pueden tener la misma información y tomar decisiones completamente diferentes. Dos empresas pueden utilizar la misma inteligencia artificial y construir resultados opuestos. Dos profesionales pueden recibir exactamente la misma recomendación y uno reconocer una oportunidad mientras el otro acepta un riesgo que no comprendió.
La diferencia no estará necesariamente en quién tuvo acceso a más conocimiento.
Puede estar en quién desarrolló mejores criterios para convertirlo en acción.
Durante la era de la escasez de conocimiento, una de nuestras principales ventajas profesionales consistía en tener respuestas que otros no tenían. La inteligencia artificial está haciendo que esas respuestas sean cada vez más abundantes.
Por eso una nueva frontera empieza a aparecer.
No será suficiente preguntar:
“¿Qué sé?”
Tampoco:
“¿Qué puede decirme la IA?”
La pregunta verdaderamente importante será:
“Con todo lo que ahora puedo saber, ¿cómo determino qué merece convertirse en una decisión?”
Ese es el tránsito del conocimiento al criterio.
Y probablemente será una de las competencias más importantes de la era de la inteligencia abundante.
De la reflexión a tu posición
Esta conversación atraviesa Recalculando: Cómo evolucionar tu empresa para la era en que la inteligencia ya no es solo humana. Porque cuando cambia la cantidad de inteligencia disponible, también cambia aquello que empresarios, líderes y organizaciones necesitan desarrollar para utilizarla.
Puedes leer Recalculando gratuitamente. Y si quieres trasladar estas preguntas a tu organización, el Diagnóstico 1000XIQ permite medir su posición, identificar qué está limitando hoy su evolución y comprender qué necesita desarrollar para la nueva era de la inteligencia.
Cuando las respuestas sean abundantes, la diferencia no estará solamente en saber. Estará en saber qué merece nuestra atención, qué merece ser cuestionado y qué merece convertirse en una decisión.
1000XIQ · Este artículo se publica en español. Reproducción no autorizada.