MATRIZ PARA TOMAR LA DECISI脫N DE 驴QUE DELEGARLE A LA INTELIGENCIA ARTIFICIAL? 馃
Cada vez que incorporamos inteligencia artificial a nuestro trabajo , me aparece una pregunta interna que es:
驴Hasta d贸nde estamos dispuestos a dejar que tome decisiones por nosotros?
Pensemos en algunas situaciones diarias.
Probablemente no tendr铆amos problemas en dejar que una IA organice nuestra agenda en calendar, clasifique correos electr贸nicos o responda consultas frecuentes.
Ahora imaginemos que ese mismo sistema debe seleccionar a una persona para un puesto de trabajo, aprobar una operaci贸n financiera o decidir si una empresa deber铆a ingresar a un nuevo mercado. Seguramente nuestra disposici贸n a delegar cambiar铆a.
Y tiene mucho sentido. Aunque la tecnolog铆a pueda intervenir en todas esas actividades, las consecuencias de equivocarse son muy diferentes.
El MIT Center for Information Systems Research (MIT CISR)聽public贸 en junio de 2026 una investigaci贸n titulada Designing Decision Rights for AI.
A partir de 30 entrevistas a 27 ejecutivos de 9 empresas internacionales, los investigadores desarrollaron una matriz para comprender c贸mo distribuir las decisiones entre personas y sistemas de inteligencia artificial.
Me parece una herramienta interesante para quienes dirigen o asesoran organizaciones, equipos de trabajo y cultura donde la IA esta siendo una parte fundamental del dia a dia.
Esto nos permite empezar a discutir la autonom铆a de la IA con criterios m谩s claros.
Primero, entendamos las dos variables de la matriz
El modelo evalua cada decisi贸n seg煤n su nivel de ambig眉edad y de riesgo.
La ambig眉edad tiene que ver con cu谩nto sabemos sobre la situaci贸n que debemos resolver.
Hay decisiones que repetimos con frecuencia. Conocemos las reglas, contamos con informaci贸n y sabemos cu谩les son los pasos que debemos seguir.
Por ejemplo, asignar un turno disponible dentro de un calendario.
Otras decisiones presentan m煤ltiples alternativas, informaci贸n incompleta o situaciones que nunca enfrentamos.
Imaginemos que una empresa quiere lanzar un servicio para un p煤blico al que nunca se dirigi贸. Tiene datos, pero todav铆a necesita interpretar comportamientos, explorar oportunidades y aprender.
En ese caso, la ambig眉edad es alta.
El Riesgo tiene que ver con las consecuencias de equivocarnos.
Podemos equivocarnos al elegir el t铆tulo de una publicaci贸n y cambiarlo unos minutos despu茅s. El costo probablemente sea bajo.
Pero si nos equivocamos al decidir una inversi贸n importante, contratar a una persona o manejar informaci贸n confidencial, las consecuencias pueden ser considerables.
Tambi茅n influye cu谩nto nos costar铆a revertir el error.
Estas dos variables permiten organizar las decisiones en cuatro categor铆as.
1. Decisiones rutinarias: automatizar y monitorear
Baja ambig眉edad y bajo riesgo.
Son situaciones conocidas, con procedimientos definidos y consecuencias limitadas ante una equivocaci贸n.
Pensemos en una escuela que recibe diariamente consultas sobre horarios, modalidades de cursada y fechas de inicio.
Si la informaci贸n est谩 actualizada, una IA puede responder buena parte de esas preguntas sin necesitar la intervenci贸n de una persona en cada conversaci贸n.
Tambi茅n puede clasificar solicitudes, organizar archivos, asignar categor铆as o preparar recordatorios.
Ac谩 aparece una oportunidad concreta de productividad: liberar tiempo de tareas repetitivas para dedicarlo a actividades que necesitan mayor criterio o interacci贸n humana.
De todos modos, automatizar requiere establecer condiciones. 驴Qu茅 informaci贸n puede utilizar el sistema? 驴Qu茅 debe hacer cuando desconoce una respuesta? 驴Cu谩ndo corresponde derivar la consulta?
La recomendaci贸n es automatizar, definir l铆mites y monitorear los resultados.
2. Decisiones exploratorias: experimentar para aprender
Alta ambig眉edad y bajo riesgo.
Esta categor铆a me resulta particularmente interesante por su relaci贸n con la adaptabilidad.
Cuando enfrentamos escenarios nuevos, muchas veces todav铆a desconocemos cu谩l es la mejor decisi贸n. Necesitamos explorar alternativas y aprender de los resultados.
Imaginemos que queremos promocionar una nueva capacitaci贸n.
Podr铆amos utilizar inteligencia artificial para generar cinco propuestas de comunicaci贸n, identificar diferentes p煤blicos y dise帽ar peque帽as pruebas para observar cu谩les despiertan mayor inter茅s.
La IA puede ayudarnos a ampliar nuestras posibilidades, comparar hip贸tesis y analizar respuestas.
Las personas seguimos aportando conocimiento del contexto, interpretaci贸n y criterio para decidir qu茅 alternativas continuar.
Lo importante es que los experimentos tengan l铆mites razonables. Probar un mensaje con una audiencia peque帽a puede representar un riesgo bajo. Lanzar una campa帽a sin supervisi贸n a miles de personas, utilizando un presupuesto importante, cambia el escenario.
La recomendaci贸n es experimentar en condiciones controladas, observar los resultados y aprender antes de ampliar la escala.
3. Decisiones de gran impacto: garantizar la confiabilidad
Baja ambig眉edad y alto riesgo.
Ac谩 encontramos decisiones que pueden tener reglas o procedimientos claros, pero donde equivocarse podr铆a generar consecuencias importantes.
Pensemos en una empresa que utiliza inteligencia artificial para procesar operaciones financieras.
El procedimiento puede estar definido. Sabemos qu茅 informaci贸n necesitamos, qu茅 controles aplicar y cu谩les son las condiciones para ejecutar cada operaci贸n.
Sin embargo, una equivocaci贸n podr铆a afectar dinero, clientes y reputaci贸n.
En estos casos, la IA puede participar en el an谩lisis y la ejecuci贸n de determinadas tareas, siempre que existan controles adecuados.
Esto puede incluir l铆mites de autorizaci贸n, validaciones autom谩ticas, registros de las operaciones, procedimientos para detectar anomal铆as y responsables humanos que intervengan ante excepciones.
El MIT se帽ala que una supervisi贸n humana permanente de cada operaci贸n tampoco garantiza mejores resultados. La clave est谩 en dise帽ar controles proporcionales al riesgo.
La recomendaci贸n es establecer condiciones de funcionamiento, asegurar la confiabilidad y asignar responsables de supervisar los resultados.
4. Decisiones estrat茅gicas: liderazgo humano con apoyo de IA
Alta ambig眉edad y alto riesgo.
Imaginemos que una organizaci贸n debe decidir si modifica su modelo de negocio, ingresa a otro mercado o realiza una inversi贸n que comprometer谩 una parte importante de sus recursos.
Hay incertidumbre, diferentes intereses y consecuencias que pueden extenderse durante a帽os.
La inteligencia artificial puede contribuir analizando informaci贸n, construyendo escenarios, identificando tendencias o se帽alando riesgos que quiz谩s no hab铆amos considerado.
Pero decidir tambi茅n requiere evaluar prioridades, valores, compromisos y consecuencias sobre las personas involucradas.
Estas decisiones necesitan liderazgo humano, supervisi贸n y responsabilidad sobre los resultados.
Un ejemplo presentado en la investigaci贸n es el de One New Zealand, una empresa de telecomunicaciones que utiliza agentes de IA para analizar informaci贸n de su red y apoyar decisiones relacionadas con capacidad, costos y continuidad del servicio.
La organizaci贸n utiliza esa informaci贸n para fortalecer el an谩lisis, mientras mantiene la conducci贸n humana de las decisiones estrat茅gicas.
La recomendaci贸n es utilizar la IA para ampliar nuestra capacidad de an谩lisis y mantener una conducci贸n humana responsable.
Hay algo m谩s interesante: una decisi贸n tiene tres momentos
Una de las contribuciones que m谩s me interes贸 del estudio es la distinci贸n entre tres actividades que forman parte de una decisi贸n.
1. Definir el marco
Consiste en establecer cu谩l es el problema, qu茅 queremos conseguir, cu谩les son las condiciones y c贸mo sabremos si obtuvimos un buen resultado.
Antes de pedirle a una IA que seleccione candidatos para un puesto, por ejemplo, alguien debe definir qu茅 necesita la organizaci贸n, cu谩les son los requisitos y qu茅 criterios de evaluaci贸n son pertinentes y justos.
2. Actuar
Es el momento de analizar las alternativas, elegir un curso de acci贸n y ejecutarlo.
La IA puede participar recomendando, procesando informaci贸n o realizando acciones previamente autorizadas.
3. Aprender
Una vez que tomamos una decisi贸n, necesitamos evaluar sus consecuencias.
驴Qu茅 resultado obtuvimos? 驴Qu茅 sali贸 como esper谩bamos? 驴Qu茅 deber铆amos cambiar la pr贸xima vez?
La inteligencia artificial puede ayudarnos a identificar patrones y analizar resultados. La responsabilidad de supervisar el sistema y corregir sus criterios debe estar asignada con claridad.
Esto nos permite comprender algo importante: podemos delegar la ejecuci贸n de una tarea sin entregar a la IA el control sobre todas las etapas de la decisi贸n.
驴C贸mo podemos aplicar esta matriz en nuestro trabajo?
Propongo un ejercicio simple.
Eleg铆 una decisi贸n que tomes con frecuencia en tu actividad profesional. Puede estar relacionada con ventas, atenci贸n al cliente, administraci贸n, liderazgo o comunicaci贸n.
Antes de incorporar inteligencia artificial, respond茅 estas seis preguntas:
驴Qu茅 decisi贸n quiero mejorar o delegar?聽Defin铆 una situaci贸n concreta.
驴Cu谩nta ambig眉edad tiene?聽驴Existen reglas claras o necesitamos interpretar situaciones nuevas?
驴Qu茅 riesgo implica equivocarnos?聽Consider谩 las consecuencias econ贸micas, humanas, legales y reputacionales.
驴Qu茅 parte puede realizar la IA?聽驴Puede analizar, recomendar, ejecutar o colaborar en varias etapas?
驴Qui茅n ser谩 responsable?聽Identific谩 a la persona que supervisar谩 los resultados y atender谩 las excepciones.
驴C贸mo vamos a aprender?聽Establec茅 indicadores para detectar errores y mejorar el proceso.
Despu茅s ubic谩 esa decisi贸n en uno de los cuatro cuadrantes de la matriz.
No hace falta comenzar con un proyecto enorme. Podemos elegir una tarea frecuente, establecer criterios de funcionamiento y realizar una prueba acotada.
Con los resultados obtenidos, tendremos m谩s informaci贸n para decidir si conviene ampliar la autonom铆a del sistema.
Y un punto que considero importante: una misma actividad puede cambiar de cuadrante seg煤n el contexto.
Responder una consulta general sobre horarios puede ser rutinario. Responder una consulta que involucra datos confidenciales, decisiones m茅dicas o compromisos econ贸micos requiere otra evaluaci贸n.
Por eso conviene analizar cada caso y revisar peri贸dicamente el nivel de autonom铆a que otorgamos.
Delegar en tiempos de inteligencia artificial
Durante a帽os aprendimos a delegar responsabilidades entre personas.
En liderazgo hablamos de la importancia de establecer objetivos, generar confianza, definir expectativas y dar seguimiento a los resultados.
Ahora debemos incorporar una capacidad adicional:
Aprender a delegar determinadas decisiones en sistemas tecnol贸gicos que pueden actuar con distintos grados de autonom铆a.
Esto exige conocimientos nuevos.
La pregunta que te propongo llevar es esta:
驴Cu谩ntas de las decisiones que tom谩s todos los d铆as podr铆an ser realizadas por inteligencia artificial, y cu谩les prefer铆s mantener bajo tu responsabilidad?
El primer ejercicio de adaptabilidad es revisar c贸mo estamos tomando decisiones hoy.
Fuente y referencia
Sebastian, I. M., Weill, P., Haskamp, L. y vom Brocke, J. (2026). Designing Decision Rights for AI. MIT Center for Information Systems Research (MIT CISR), Research Briefing XXVI-6, publicado el 18 de junio de 2026.
Ricardo Melo
Certificado en AQ Adaptability Quotient庐 | LinkedIn Top Voice Latinoam茅rica 2024, 2025 y 2026 | ICF Young Global Leader 2022 | ICF Impact Catalys Coach Award 2026 | Miembro del Harvard Business Review Advisory Council | Director de Escuela Internacional L铆der Coach Profesional庐 | Fundador de聽BuscaTuCoach.com庐 | Director de Consultora Coaching Inmobiliario庐 | Mentor Coach ICF | TEDx Speaker Trainer | Autor de聽Soy Coach, 驴Y Ahora Qu茅?庐 |
馃摳 Instagram: @ricardomelocoach
馃帴 YouTube: @RicardoMelo
馃こ TikTok: @ricardomelocoach
Comentarios