Cuando medir la inteligencia artificial se convierte en el problema – MDZ Online

Las métricas no sirven para nada. Bueno, en rigor, no es tan así. Pero en el terreno de la inteligencia artificial, algo se está rompiendo. En los últimos meses, la adopción de IA dentro de las empresas se convirtió en uno de los temas más comentados en comités de gestión y reportes de productividad, al punto de que medir cuánto se usa una herramienta se volvió casi tan importante como el resultado que esa herramienta produce. Hace poco, en una charla informal, un profesional de una compañía tecnológica contaba algo que resume bien el fenómeno: en su empresa se mide tanto el uso de inteligencia artificial que él mismo dejó de realizar tareas que sabe que agregan valor, simplemente porque no suman puntos en el indicador que se está siguiendo.

La escena podría haber ocurrido en cualquier oficina de Buenos Aires, Santiago o cualquier otra ciudad de la región, porque el mismo patrón se repite en compañías latinoamericanas que, apuradas por demostrar avances en su transformación digital, empezaron a llenar tableros de gestión con indicadores de adopción sin preguntarse antes qué es lo que realmente necesitan saber.

La trampa de medir

El problema de fondo tiene nombre y no es nuevo. De acuerdo con la ley de Goodhart, formulada por el economista británico del mismo nombre, cuando una medida se convierte en el objetivo, deja de ser una buena medida. Dicho de otro modo, en cuanto una organización empieza a gestionar en función de un número, las personas terminan optimizando ese número y no el resultado que originalmente se quería alcanzar. El fenómeno no es exclusivo de la inteligencia artificial, pero se agudiza con ella por una razón puntual: la mayoría de las métricas se diseñan mirando hacia atrás, en función de lo que ya se conoce y de lo que ya pasó. Y cuando la tecnología que se pretende medir cambia de capacidades cada dos o tres meses, el indicador queda desactualizado casi en el mismo momento en que se termina de definir. Es pedirle a los equipos que corran hacia una meta que ya se movió de lugar. Esto tiene décadas de antigüedad como advertencia de gestión, pero pocas veces se aplicó con tanta literalidad como ahora, cuando cada área de una empresa quiere mostrar, en el menor tiempo posible, que ya “adoptó” inteligencia artificial.

Esa distorsión tiene un costo silencioso sobre las personas. Quienes llevan años en el desarrollo de software suelen coincidir en un mismo recuerdo: al principio, programar era, ante todo, una actividad placentera, casi lúdica. Con el correr del tiempo, y a medida que se asumen posiciones de mayor responsabilidad, buena parte de ese trabajo se transforma en otra cosa, reportar, justificar, cumplir con un indicador, y la tarea original queda en segundo plano. Lo curioso es que la irrupción de la inteligencia artificial generativa está devolviendo, en muchos casos, algo de esa curiosidad inicial: tareas que antes se descartaban por el esfuerzo que implicaban hoy se abordan con rapidez, lo que reabre el espacio para experimentar y crear sin la presión constante de justificar cada paso frente a una planilla. Ese entusiasmo, sin embargo, corre peligro cada vez que una organización decide capturarlo en un número mal diseñado: cuando lo que se celebra no es haber resuelto un problema, sino haber generado cierta cantidad de interacciones con una herramienta, el incentivo empieza a torcerse en la dirección equivocada.

El desafío, entonces, no es dejar de medir ya que ninguna organización puede gestionar lo que no mide, sino revisar qué se está midiendo y por qué. Distintas consultoras que acompañan procesos de adopción de inteligencia artificial, entre ellas la argentina Ingenia, coinciden en un diagnóstico similar: los indicadores que hoy predominan en las empresas (cantidad de prompts, horas ahorradas, líneas de código generadas) capturan actividad, pero rara vez capturan valor. Son proxies cómodos de calcular, pero pobres a la hora de explicar si una organización efectivamente avanzó hacia el objetivo que se había propuesto.

Cuando el número manda

Quienes hoy tienen la responsabilidad de definir métricas de adopción de inteligencia artificial deberían hacerse una sola pregunta antes de sumar un nuevo indicador al tablero: lo que se está midiendo, ¿acerca a la organización al objetivo real o termina reemplazándolo? Porque mientras los comités de gestión discuten porcentajes de uso y tableros de seguimiento, es probable que haya profesionales generando valor genuino por fuera de cualquier planilla, simplemente porque encontraron, gracias a la misma tecnología que se pretende medir, una razón para volver a disfrutar del trabajo.

• Sergio Urín, Country Head Chile at Ingenia