La toma de decisiones con inteligencia artificial consiste en usar un modelo para recorrer el volumen de datos y las combinaciones que una persona no puede abarcar, y entregar a quien decide un cuadro más completo del que tendría sin él.
El 81 % de los líderes empresariales españoles admite que primero se toma la decisión y después se buscan los datos que la justifican, según el estudio The Decision Dilemma de Oracle, realizado en enero de 2023 sobre 14.250 encuestados de diecisiete países.
Con ese hábito delante, un modelo puede reforzar la decisión que ya estaba tomada o puede abrirla a tomarse de forma más objetiva.
¿Qué es la toma de decisiones con IA?
La toma de decisiones con IA es el proceso por el que una empresa apoya una decisión de negocio en el análisis que un modelo hace de sus propios datos.
Bajo ese nombre caben dos usos distintos: un sistema que resuelve y ejecuta por su cuenta, y un modelo que prepara el material para que una persona decida.
La decisión sigue siendo de las personas. Más bien lo que cambia es de cuánta información disponen al tomarla y cuántas alternativas han podido comparar antes de elegir una.
Los tres modos de repartir el trabajo
El profesor Miguel Ángel Ariño describe en IESE Insight tres formas de repartir una decisión entre el directivo y el sistema, tomadas del marco que Shrestha, Ben-Menahem y von Krogh publicaron en 2019 en California Management Review:
- Piloto automático: el sistema resuelve y ejecuta, sin que nadie valide.
- Tándem: el sistema propone y la persona autoriza antes de aplicar.
- Mesa compartida: cada parte resuelve lo que domina y las dos salidas se combinan.
Ese marco hace depender el modo de cinco factores: lo específico que sea el objetivo, si el proceso y el resultado deben poder explicarse, cuántas alternativas hay sobre la mesa, con cuánta prisa se decide y cuántas veces va a repetirse.
¿Cómo se utiliza la IA para la toma de decisiones?
El modelo realiza tres trabajos distintos, y ninguno de los tres es decidir.
- Reunir: cruza datos que residen en sistemas separados, porque consultarlos juntos a mano exigiría demasiadas horas.
- Simular: aplica una hipótesis sobre el histórico del negocio y devuelve qué habría pasado con ella.
- Ordenar: sitúa las alternativas por el criterio que se le pida, ya sea margen, volumen o riesgo.
De esos tres, el que más cambia una decisión es el segundo, porque el número de escenarios que se pueden comparar deja de depender del tiempo disponible.
Los tres exigen lo mismo antes de empezar.
Los datos deben poder cruzarse entre sí, esto es, que el mismo producto, el mismo cliente o la misma fecha se nombren igual en todos los sistemas donde aparecen. Cuando no ocurre, el modelo devuelve un resultado con la misma seguridad y con una parte del negocio fuera del cálculo, sin avisar de cuál.
Qué decisiones se están tomando ya con IA
Vamos a poner un ejemplo para ilustrarlo mejor.
En GRAFS.ES podemos apoyarnos en ella en comercios electrónicos con muchas referencias, donde comprobar si cada precio está donde debería obliga a recorrer el catálogo entero.
Para uno de nuestros clientes de ecommerce, el punto de partida es el conjunto de datos que el negocio ya tiene: precios actuales, margen por referencia, coste de envío, peso, pedidos históricos, ticket medio (AOV) y frecuencia de compra.
Sobre ese conjunto se construyen tres modelos de subida de precios, de modo que cada uno se prueba contra el histórico de varios años del comercio.
Los precios de la competencia no entraron en este análisis: los tres modelos se probaron solo con los datos del propio comercio.
Una hoja de cálculo podría hacer ese cálculo, sin embargo no realizaría directamente la gestión del conjunto de datos, su manejo y la ejecución de las simulaciones. Es decir, la inteligencia artificial en este caso nos permite absorber mucho más trabajo, más cantidad de datos y tareas que una persona, a mano, tardaría días en realizar.
El resultado de este proceso es un modelo de precios candidato, el que la simulación sitúa por delante, para probarlo después con clientes reales.
Y sale un segundo resultado en este caso: el umbral de pedido a partir del cual los portes gratuitos siguen siendo rentables para la empresa.
La elección final del modelo la siguen haciendo las personas, aunque apoyándose en una gran cantidad de datos, simulaciones y conclusiones que construyen una decisión mucho más objetiva y favorable para el negocio.
La misma clase de decisión aparece en otros sectores. Por ejemplo, en hostelería en la tarifa diaria, donde la IA en hoteles cruza ocupación, histórico y competencia para que alguien fije el precio con más información delante.
Toma de decisiones autónomas con IA: cuándo decide el sistema y cuándo decides tú
La toma de decisiones autónomas con inteligencia artificial describe el primero de los tres modos, el de piloto automático: el sistema resuelve y ejecuta sin validación previa.
Puede sostenerse donde el objetivo se escribe sin ambigüedad: reordenar una cola de reposición, reintentar un cobro rechazado, clasificar una incidencia por urgencia.
Sin embargo, deja de sostenerse en cuanto la decisión depende de información que no está en los datos.
¿Por qué la IA te da la razón?
El hábito que mide Oracle es anterior a cualquier modelo, y deja su rastro en la pregunta que se formula. Quien ya tiene una opinión hecha pregunta por las razones que la sostienen, y encuentra unas cuantas.
Lo que cambia al meter un modelo por medio es la velocidad y la seguridad con que llegan esas razones.
Un modelo de lenguaje no está construido para responder «no lo sé». Funciona como predictor de palabras: ante una consulta busca la mejor coincidencia disponible, exista o no el dato que se le pide.
De ese mismo mecanismo se deriva un efecto más caro que el dato inventado, porque no se nota y está confirmando nuestra posición.
Pedirle los argumentos a favor de una decisión devuelve los factores a favor. Pedirle por qué esa misma decisión va a fracasar devuelve los motivos en contra, igual de convincentes. El modelo no ha cambiado de opinión entre una respuesta y la otra: responde a la consulta que se le pidió.
Con la decisión de precios del apartado anterior se ve en dos preguntas.
Un responsable que ya cree que debe subir los precios pregunta por qué le interesa subirlos este trimestre, y recibe una lista sólida de razones. La creencia sale reforzada y el informe parece objetivo.
Sin embargo, la misma consulta reformulada correctamente para tomar una decisión objetiva cambia el resultado: factores a favor y en contra de esa subida, con los datos del negocio delante, para poder decidir.
Por eso es muy importante revisar cómo se formula la petición o prompt, porque condiciona el resultado tanto como el dato que se entrega.
Qué decisiones no deberían delegarse
Ninguna tarea en la que prime el criterio de una persona debería delegarse en un modelo. El rumbo, la estrategia y las decisiones que se toman con información incompleta deberían seguir siendo humanas.
El límite se concreta antes de empezar a utilizarla, en la gobernanza: qué datos consulta el sistema, qué documentos admite, qué instrucciones ejecuta, quién revisa la salida y quién puede detenerlo.
Es uno de los tres factores de los que depende que la IA funcione correctamente, lo tenemos desglosado en la guía sobre cómo implementar IA en una empresa.
Determinar qué decisiones de tu negocio admiten un modelo delante y cuáles deberían quedarse fuera del alcance es el primer trabajo de una consultoría de IA, y sale de una auditoría, no de una herramienta o un modelo de lenguaje.
Preguntas frecuentes
¿Cómo ayuda la IA en la toma de decisiones?
Ayuda en tres trabajos que no son decidir: reunir datos que viven en sistemas separados, simular hipótesis contra el histórico del negocio y ordenar las alternativas por el criterio que se le pida. Quien decide recibe más información y más escenarios comparados, y la elección sigue siendo suya.
¿Cómo influye la IA en la toma de decisiones?
Influye en la cantidad de alternativas que se pueden comparar antes de elegir, porque el número de simulaciones deja de depender de las horas disponibles. También influye en el sentido contrario: una petición formulada desde una creencia previa devuelve los factores que la confirman, y el informe resultante puede confundirse con uno objetivo.
¿Qué es la toma de decisiones en tiempo real en IA?
Es la que se resuelve en el momento en que llega el dato, sin que nadie la revise antes. Aparece en decisiones de alta frecuencia y consecuencia acotada, como aceptar o rechazar una operación, ajustar un precio dinámico o derivar una incidencia. Exige que el objetivo esté escrito sin ambigüedad, porque no hay una persona validando cada caso.
¿Qué es la toma de decisiones autónoma en IA?
Es el modo en que el sistema resuelve y ejecuta sin validación humana previa, el primero de los tres que describe el marco que recoge IESE. Se concede tarea a tarea, y deja de ser apropiada en cuanto la decisión depende de información que no está en los datos.
