¿Y si el mayor reto de la IA empresarial no fuera tomar mejores decisiones, sino conseguir que todas las decisiones funcionen juntas?
Hace unos días publiqué una reflexión sobre una pregunta que escucho constantemente en el mundo del Workforce Management:
«¿Podemos conseguir una planificación automática óptima utilizando inteligencia artificial?»
Mi respuesta era que el problema no consiste únicamente en encontrar la mejor solución, sino en definir qué significa realmente óptimo.
Porque optimizar costes no es lo mismo que optimizar productividad, calidad de servicio, bienestar laboral o estabilidad de los equipos. Y mejorar una de estas dimensiones puede perjudicar a las demás.
Pero, al profundizar en esta cuestión, aparece otra pregunta:
¿Quién decide qué es óptimo dentro de una empresa?
La dirección establece objetivos estratégicos: rentabilidad, crecimiento, productividad o reducción de costes.
Los mandos intermedios deben traducir esos objetivos a una realidad concreta: personas, turnos, ausencias, restricciones y necesidades de servicio que cambian cada día.
Ambas perspectivas son necesarias. Ambas son legítimas. Y no siempre coinciden.
Imaginemos una empresa con veinte centros de trabajo. Cada responsable debe ajustar su plantilla a la demanda y cumplir un objetivo de coste laboral.
En uno de los centros, la actividad baja el jueves. Su responsable reduce la cobertura para evitar horas de personal que, según su previsión, no necesita. En otro centro cercano, ese mismo día se produce un pico de demanda y una ausencia imprevista. Su responsable recurre a horas extraordinarias para mantener el servicio.
Las dos decisiones pueden parecer razonables si se analizan por separado. Sin embargo, una planificación coordinada podría haber previsto que una persona del primer centro, con la formación adecuada y respetando las condiciones laborales y de desplazamiento, cubriera parte de la necesidad del segundo.
¿Por qué no se hizo?
Tal vez porque cada responsable solo veía la demanda de su centro. Porque los turnos se cerraban en momentos distintos. O porque ceder personal perjudicaba el indicador de quien lo cedía, aunque beneficiara a la empresa.
El problema no era únicamente calcular mejores turnos. Era coordinar información, objetivos y responsabilidades.
Un algoritmo puede optimizar cada centro por separado y reproducir ese mismo problema con mayor velocidad.
La suma de decisiones individualmente óptimas no tiene por qué producir el mejor resultado colectivo.
Esta cuestión conecta dos ámbitos a los que he dedicado buena parte de mi trayectoria profesional: la dirección empresarial y la investigación en sistemas inteligentes.
También conecta con algunas de las grandes ideas del management.
Peter Drucker puso el foco en la dirección por objetivos y la responsabilidad de los gestores. Herbert Simon explicó los límites de nuestra racionalidad y de la información con la que decidimos. Henry Mintzberg estudió el trabajo directivo en toda su complejidad. Y Peter Senge destacó la importancia de comprender las organizaciones como sistemas interconectados.
La inteligencia artificial nos permite explorar estas preguntas con nuevas herramientas.
La optimización matemática puede ayudarnos a planificar recursos considerando objetivos y restricciones. La teoría de juegos permite analizar cómo influyen los incentivos en las decisiones. Los sistemas multiagente ofrecen modelos para coordinar entidades con autonomía. El aprendizaje por refuerzo permite explorar políticas que se adaptan a partir de sus resultados. Y los gemelos digitales pueden ayudarnos a simular las consecuencias de distintas decisiones antes de aplicarlas.
Pero ninguna de estas herramientas decide por nosotros qué debe priorizar la empresa.
Seguimos necesitando definir qué objetivos perseguimos, quién puede decidir y cómo resolvemos los conflictos entre responsabilidades.
En el ejemplo de los veinte centros, eso significa responder preguntas muy concretas:
¿Quién puede autorizar un traslado de personal? ¿Qué información necesitan compartir los responsables? ¿Cómo se reconoce al centro que ayuda a otro? ¿Cuándo debe prevalecer una necesidad local y cuándo el resultado global?
Por eso, durante las próximas semanas quiero compartir una serie de diez artículos sobre la relación entre dirección empresarial, inteligencia artificial y toma de decisiones.
Empezaremos analizando por qué optimizar cada departamento no significa optimizar la empresa. Después abordaremos el papel de los mandos intermedios, la gestión por objetivos, los incentivos y los conflictos entre decisiones estratégicas y operativas.
A partir de ahí, exploraremos cómo pueden contribuir la optimización jerárquica, los sistemas multiagente, la inteligencia de decisiones —Decision Intelligence—, los gemelos digitales y el aprendizaje por refuerzo.
Utilizaré ejemplos de gestión de personas y Workforce Management, aunque muchas de estas reflexiones son aplicables a otras áreas de la empresa.
No pretendo ofrecer respuestas definitivas. Me interesa conectar la experiencia empresarial con la investigación científica y explorar cómo podemos diseñar mejores sistemas de decisión.
Porque quizá el futuro de la IA empresarial no consista en construir un gran algoritmo que decida por todos.
Quizá consista en ayudar a que personas con diferentes responsabilidades, información y objetivos tomen mejores decisiones de forma coordinada.
Y eso nos lleva a la pregunta que recorrerá esta serie:
¿Qué decisiones debe centralizar una empresa y en cuáles puede la inteligencia artificial ampliar la autonomía de sus responsables sin perder la coordinación?
Creo que merece la pena investigarlo.