Por Gustavo Huicochea Hernández. Reevo.
La inteligencia artificial puede producir una respuesta técnicamente impecable en apariencia y aun llevar al taller hacia una mala decisión. Puede analizar cien órdenes, comparar proveedores, redactar una cotización, proponer una campaña o sugerir una prueba diagnóstica en segundos. La velocidad no demuestra que el criterio de entrada fuera correcto.
Ése es el riesgo principal: cuando delegamos a la IA un problema mal definido, una fuente débil, una política contradictoria o una meta equivocada, no obtenemos criterio automático. Obtenemos una versión más rápida y convincente del error.
Para Reevo, la IA sirve mejor como amplificador de capacidad humana: ayuda a investigar, ordenar, comparar, cuestionar, simular y ejecutar trabajo base. El propósito, los límites, la autoridad y la decisión final siguen perteneciendo al sistema de gestión y a la persona que responde por el resultado.
10-80-10 NO ES UNA FÓRMULA. ES UNA DISCIPLINA DE RESPONSABILIDAD
La regla 10-80-10 funciona como una heurística útil. En el primer tramo, la persona define qué quiere resolver, qué resultado debe proteger, qué datos son válidos, qué restricciones no se pueden romper y qué nivel de certeza necesita. En el tramo central, la IA puede hacer gran parte del trabajo intensivo: ordenar datos, comparar escenarios, buscar contradicciones, generar alternativas, resumir evidencia, redactar, clasificar o calcular. En el tramo final, el humano verifica lo importante, confronta la propuesta con la operación real y asume la decisión.
Los porcentajes no son contabilidad. Un diagnóstico complejo puede exigir mucha más intervención humana; una clasificación repetitiva puede quedar casi totalmente automatizada. La utilidad de la regla es recordar que el inicio y el cierre no desaparecen sólo porque la herramienta sea capaz de producir una respuesta completa.
Si el usuario no puede explicar qué decisión necesita tomar, qué dato considera autoridad y qué condición haría rechazar la recomendación, todavía no está delegando trabajo: está delegando el problema.
PRIMERO DEFINE LA DECISIÓN. DESPUÉS PIDE LA RESPUESTA.
“¿Qué hago para ganar más?”, “¿qué proveedor es mejor?” o “¿qué tiene este coche?” son preguntas demasiado abiertas para una decisión seria. La IA puede llenar esos huecos con supuestos plausibles y devolver algo que suena razonable. El riesgo es que los supuestos invisibles terminen gobernando la conclusión.
Conviene transformar la pregunta en una decisión operable. Por ejemplo: “Tengo 101 horas mensuales de brecha contra el objetivo. ¿Qué causas explican más pérdida y cuáles puedo recuperar sin contratar?”; “compara estos proveedores por aplicación correcta, cumplimiento, devolución, garantía, precio y costo total”; o “con estas pruebas y especificaciones, ¿qué hipótesis siguen vivas y qué medición discrimina mejor entre ellas?”.
La calidad de la salida mejora cuando el problema contiene objetivo, contexto, restricciones, datos disponibles, criterio de comparación y evidencia esperada. Ése es trabajo de dirección. La IA puede ayudar a formularlo, pero no debería decidir en silencio qué resultado importa más para el negocio.
LA FUENTE PESA MÁS QUE LA FLUIDEZ DE LA RESPUESTA
Una IA puede expresarse con seguridad incluso cuando la base es incompleta. En decisiones técnicas, la jerarquía de fuentes sigue vigente: primero fabricante/OEM y bases profesionales que concentran información de fabricante; después proveedores y fabricantes de componentes para aplicación, equivalencias, boletines e instrucciones; y finalmente foros, videos, grupos, experiencias de terceros e IA como pistas o hipótesis que deben contrastarse.
El Asesor Técnico de RMX Control puede acercar literatura, información de fabricante y lógica diagnóstica para reducir búsqueda y ampliar hipótesis. Eso no lo convierte en autoridad técnica independiente. El jefe de taller conserva la decisión sobre qué prueba ejecutar, qué evidencia aceptar y qué conclusión puede defenderse en ese vehículo.
Lo mismo ocurre fuera del diagnóstico. Para una decisión comercial, la IA no debería sustituir los costos reales del taller por promedios genéricos. Para capacidad, no debe inventar horas. Para una garantía, no puede declarar procedencia sin revisión causal. Para una inversión, no puede transformar una tendencia de mercado en retorno asegurado. La fuente y el contexto definen el peso de la respuesta.
SEPARA HECHO, SUPUESTO, HIPÓTESIS Y RECOMENDACIÓN
Una de las mejores formas de usar IA es obligarla a mostrar la estructura de su razonamiento útil sin convertir cada conclusión en certeza. Pide que distinga: HECHOS disponibles; SUPUESTOS que está utilizando; HIPÓTESIS que explican los datos; INFORMACIÓN FALTANTE que podría cambiar la decisión; y RECOMENDACIÓN condicionada a esa evidencia.
Esa separación es especialmente valiosa en el taller. “El vehículo tiene P0302” es un dato. “La bobina está fallando” es una hipótesis. “Cambiar bobina” es una recomendación que sólo merece convertirse en reparación cuando la evidencia suficiente cierra la causa. En gestión pasa lo mismo: “bajaron las ventas” es un dato; “el mercado está mal” es una hipótesis; “baja precios” es una decisión que puede empeorar el problema si la causa era falta de seguimiento.
La IA aporta valor cuando ayuda a abrir alternativas y a encontrar lo que todavía no sabemos. Pierde valor cuando su redacción borra la diferencia entre evidencia y posibilidad.
LA IA DEBE BUSCAR TAMBIÉN CÓMO PODRÍA ESTAR EQUIVOCADA
No uses la herramienta sólo para defender la primera idea. Después de generar una recomendación, pídele que intente refutarla: qué dato faltante podría cambiarla, qué escenario adverso no se consideró, qué efecto de segundo orden puede aparecer, qué alternativa tiene menor costo de reversa y qué señales deberías vigilar después de decidir.
Por ejemplo, una propuesta de contratar otro técnico puede parecer correcta porque hay autos esperando. La revisión adversarial puede revelar que las horas se pierden antes por refacciones, autorizaciones o mala preparación. Una campaña con buen costo por contacto puede parecer atractiva hasta que se cruza contra servicios entregados, horas, contribución y recurrencia. Una herramienta nueva puede ahorrar minutos y, al mismo tiempo, fragmentar la fuente de verdad.
El objetivo no es volver interminable el análisis. Es someter la decisión a suficiente contradicción antes de comprometer dinero, capacidad, reputación o seguridad.
NO TODA DECISIÓN MERECE EL MISMO NIVEL DE VERIFICACIÓN
La profundidad de control debe seguir el costo de equivocarse y la reversibilidad. Un borrador de mensaje, una clasificación inicial o una lista de hipótesis puede probarse rápido. Cambiar una tarifa, comprometer una flotilla, comprar equipo, autorizar crédito, modificar una política de garantía o tomar una decisión técnica con riesgo requiere más evidencia antes de ejecutar.
Una regla práctica es clasificar la salida de IA en tres niveles. BAJO IMPACTO: se puede probar y corregir con facilidad. MEDIO: necesita comparación con datos internos y una revisión humana explícita. ALTO: afecta seguridad, dinero relevante, promesas, legalidad, reputación o una decisión difícil de revertir; exige fuente verificable, autoridad definida y evidencia suficiente antes de actuar.
La herramienta puede acelerar los tres niveles. Lo que cambia es cuánto control necesita el último metro antes de la decisión.
UN AGENTE PUEDE EJECUTAR UNA REGLA. NO NECESITA REINVENTARLA.
Cuando el criterio ya existe, la IA puede ganar autonomía operativa. Un agente puede aplicar un descuento de 15%, 10% o 5% cuando el caso encaja exactamente en la política; seguir una cotización con la cadencia 2 h → 24 h → 48 h → 1 semana → 1 mes; detectar una unidad detenida por más de una hora sin autorización o confirmación de refacción; utilizar una condición de crédito ya aprobada; o preparar la siguiente acción de postventa según el expediente.
La diferencia está entre aplicar y crear la regla. Si el caso exige un porcentaje distinto, un crédito fuera de límite, un reembolso no previsto, una garantía con causa todavía abierta, un cambio de alcance o una decisión técnica no demostrada, el agente debe escalar. No porque la IA sea “menos inteligente”, sino porque la autoridad no estaba delegada.
Éste es el límite con el artículo “Automatizar no es delegar la responsabilidad”: aquella pieza diseña cómo un proceso definido puede ejecutar rutas automáticas y humanas. Ésta gobierna qué criterio debe existir antes de confiar en una recomendación o decisión generada con IA.
RMX CONTROL DEBE CONSERVAR LA TRAZABILIDAD DE LA DECISIÓN
Si una IA recomienda, clasifica o ejecuta una acción operativa, el resultado importante no puede quedar perdido en una conversación aislada. En Reevo/RMX, RMX Control funciona como fuente operativa de verdad: la orden debe conservar el dato utilizado, la decisión o recomendación relevante, la autorización cuando aplique, la acción ejecutada, el responsable y la evidencia que permite continuar.
Eso permite auditar después no sólo “qué hizo la IA”, sino con qué información lo hizo y dónde estaba la autoridad. Si una recomendación salió mal, el análisis puede separar fuente incorrecta, dato incompleto, regla deficiente, interpretación equivocada, ejecución humana o una excepción que nadie había diseñado.
La trazabilidad también permite mejorar el sistema. Un agente no se vuelve más confiable porque acumule conversaciones; se vuelve más útil cuando los errores y excepciones se convierten en mejores datos, mejores políticas, mejores pruebas y límites más claros.
NO LE PIDAS A LA IA QUE DECIDA LO QUE TU EMPRESA TODAVÍA NO HA DECIDIDO
Muchos problemas de agentes son en realidad problemas de gobierno. Si el taller no sabe cuándo concede crédito, quién puede autorizar un descuento, qué evidencia exige para una garantía, qué proveedor tiene prioridad, qué significa una orden lista para entregar o cuándo una cotización debe cerrarse, el agente queda obligado a improvisar.
La solución no es escribir un prompt más largo para que “use criterio”. Es decidir la política. Después, sí, la IA puede reconocer el caso, ejecutar la ruta normal, detectar que algo quedó fuera y escalar con contexto suficiente para que la persona correcta decida.
La misma regla vale para el gerente. Una IA no debería sustituir la conversación incómoda de definir prioridades. Puede simular escenarios de precio, capacidad, contratación o inversión; la dirección debe decidir qué resultado quiere proteger y qué renuncia está dispuesta a aceptar.
AUDITA UNA DECISIÓN REAL ANTES DE DAR MÁS AUTONOMÍA
Elige una decisión que hoy apoyes con IA y reconstruye diez casos. Para cada uno registra: OBJETIVO · DATOS DE ENTRADA · FUENTES · SUPUESTOS · REGLA/POLÍTICA · NIVEL DE IMPACTO · RECOMENDACIÓN · VERIFICACIÓN HUMANA · ACCIÓN FINAL · RESULTADO · EXCEPCIÓN ENCONTRADA.
Después pregunta: ¿la IA mejoró velocidad sin perder precisión?, ¿qué errores nacieron de datos y no del modelo?, ¿qué preguntas tuvo que resolver un humano porque la política estaba incompleta?, ¿qué recomendación parecía convincente pero no sobrevivió a la evidencia?, ¿qué parte ya es suficientemente repetible para automatizar y qué parte todavía necesita criterio?
Ese ejercicio permite aumentar autonomía con evidencia en lugar de hacerlo por entusiasmo. El objetivo no es que el agente haga más cosas. Es que haga correctamente más trabajo que ya entendemos, dejando a las personas el criterio que todavía genera valor.
LA IA MULTIPLICA LA CALIDAD DEL SISTEMA QUE ENCUENTRA
Una buena IA no sustituye dirección, competencia ni responsabilidad. Amplía la capacidad para investigar, comparar, documentar y ejecutar. Si encuentra datos confiables, fuentes sólidas, políticas claras y una operación trazable, puede acelerar una organización disciplinada. Si encuentra contradicciones, memoria, reglas implícitas y objetivos vagos, acelera exactamente eso.
La pregunta correcta no es “¿qué tanto puedo delegarle a la IA?”. Es “¿qué parte de mi criterio ya está suficientemente definida, demostrada y trazable para que otra inteligencia pueda ejecutarla sin inventarla?”.
TAMBIÉN TE PUEDE INTERESAR
Automatizar no es delegar la responsabilidad · La información técnica no se consulta cuando ya no sabes qué hacer · Antes de buscar una solución, desarma el problema · Los datos no dirigen el taller. El gerente que los convierte en acción, sí.
HERRAMIENTA PARA AUDITAR DECISIONES CON IA
Próximamente: Matriz de criterio y autonomía. Clasificará objetivo, fuente, supuesto, impacto, reversibilidad, autoridad, verificación, evidencia y condición de escalación para decidir qué puede recomendar la IA, qué puede ejecutar y qué debe permanecer bajo decisión humana.
En Reevo usamos la IA como una capa de amplificación sobre el sistema, no como sustituto del sistema. RMX Control aporta contexto operativo y trazabilidad; las fuentes técnicas aportan autoridad; los procesos aportan reglas; y las personas conservan la responsabilidad de decidir donde la consecuencia lo exige. Hablemos.
