La AI está llegando ahora a las compañías mid-market de una forma distinta a la de hace tres años. La conversación ya no trata de pilotos y proofs of concept. Trata de workflows reales: forecasting predictivo, reporting automatizado, capas de decision support en sistemas comerciales y operativos. La tecnología se está convirtiendo en infraestructura, no en novedad.
En conjunto, esto es útil. Reporting más rápido, modelización más profunda, detección más amplia de patrones: son capacidades reales, y se acumularán durante los próximos años. Pero no abordan el cuello de botella que determina si una compañía se mueve de verdad: quién es accountable por decidir, sobre qué evidencia, con qué coste de equivocarse. La AI cambia los inputs. No cambia la responsabilidad.
1. Más información no produce más decisiones
La primera observación es estructural. En la mayoría de las compañías bajo presión, el cuello de botella no es la ausencia de información. Es la ausencia de alguien dispuesto y capaz de actuar sobre la información que ya existe. Añadir señales más rápidas, más ricas y más granulares a esa situación no produce acción. Produce más material que revisar, más varianza que explicar y, a menudo, más razones para esperar al siguiente refresh. Revisar la nueva información no es gratis. Absorbe la misma energía decisional finita que debería haberse dedicado a actuar. En organizaciones ya lentas para actuar, la información adicional compite con la acción en lugar de habilitarla.
El Board que no podía decidir sobre un informe trimestral no puede decidir sobre un dashboard en tiempo real. El CFO que no podía moverse sobre varianzas mensuales no se mueve sobre varianzas semanales. El CEO que difería con información imperfecta diferirá con información mejor, porque el cuello de botella nunca fue la calidad de la información. Fue el coste de la decisión.
2. La AI desplaza dónde se sitúa la accountability, pero no la establece
Cuando un modelo produce un forecast, una alerta o una recomendación, la pregunta de accountability se vuelve más interesante, no menos. ¿Quién responde por actuar sobre el output? ¿Quién responde por las asunciones del modelo? ¿Quién responde cuando la recomendación resulta equivocada? ¿Quién responde cuando se ignora?
La investigación académica reciente ha empezado a formalizar la dificultad. Las decisiones estratégicas se caracterizan por incompletitud y discreción irreducible: no pueden ser cerradas por un modelo, solo informadas por él. Una segunda línea de investigación describe un inferential trilemma: cuando un output de AI no es obvio, la organización debe distinguir entre breakthrough genuino, hallucination y misalignment. Cada una de esas tres lecturas exige una acción distinta, y solo una persona humana en un asiento definido de accountability puede tomar la decisión. El modelo no libera a nadie de ese asiento. Hace que ocuparlo sea más exigente.
En organizaciones bien gobernadas, estas preguntas tienen respuestas. El modelo es una herramienta; una persona nombrada posee la decisión que la herramienta informa; el Board tiene visibilidad sobre ambas cosas. En organizaciones con governance más débil, la AI produce otro patrón. El modelo se convierte en una capa que distribuye responsabilidad: la recomendación vino del sistema, el sistema fue suministrado por un vendor, el vendor fue aprobado por IT, y nadie queda claramente accountable por la acción que debería haber seguido. En el post-mortem de una decisión perdida, cada actor puede señalar otra capa. La arquitectura misma produce una negación de accountability by design. El énfasis del AI Act en la supervisión humana es una respuesta regulatoria exactamente a esta deriva.
3. El dashboard más rápido no resuelve un Board lento
El tercer patrón es un corolario de los dos primeros. La capacidad técnica de la capa de reporting suele superar la capacidad de decisión de la capa de governance por encima de ella. Las varianzas pueden detectarse dentro del día. La acción sobre esas varianzas puede seguir tardando semanas, porque la estructura que posee la acción no ha sido actualizada para igualar la velocidad de la señal.
El resultado es una forma particular de desorientación. La capa de datos se comporta como si la compañía fuera una operación de alta frecuencia. La capa de decisión se comporta como si fuera trimestral. La brecha entre ambas se amplía con cada nueva capacidad, y el Board recibe cada vez más información sobre la que, en la práctica, no puede actuar a la velocidad que la propia información implica. El desajuste también es visible para externos. Lenders, sponsors y compradores ven el dashboard y empiezan a preguntar a la cadencia que el dashboard implica. La compañía se ha equipado con una capa de señal que no puede igualar en ejecución. Esto no produce parálisis al nivel técnico. La produce al nivel de governance, de forma más visible que antes.
Lo que realmente debe cambiar
Las compañías que se benefician de la AI en contextos operativos comparten una característica poco de moda: tenían accountability clara antes de que llegara la tecnología. El modelo produce una señal, una persona nombrada decide qué hacer, el Board ve ambas cosas, y el ciclo es lo bastante corto para que la acción todavía importe. La tecnología comprime el loop. No inventa el loop.
En nuestra experiencia, la pregunta diagnóstica para cualquier deployment de AI en una compañía mid-market bajo tensión no es si el modelo es bueno. Es si la compañía habría actuado sobre una señal manual clara en la misma situación. Si la respuesta es no, el deployment de AI está resolviendo el cuello de botella equivocado. Si la respuesta es sí, la AI compone una capacidad existente. Rara vez hay un caso intermedio.
Los frameworks de compliance - el AI Act en Europa, guidance sectorial en otros lugares - están formalizando ahora lo que siempre fue cierto. Las principales obligaciones de governance y general-purpose AI del AI Act europeo se aplican desde agosto de 2025, con la mayor parte de las reglas operativas desde agosto de 2026. A partir de ese momento, la accountability alrededor de la AI ya no es una cuestión de política de innovación. Es parte de la corporate governance ordinaria. La pregunta no es qué recomienda el sistema. La pregunta es quién, en esta organización, es responsable de lo que ocurre después. Mejores herramientas no cambian esa pregunta. Hacen más urgente la respuesta.
---
Referencias
- AI and Strategic Decisions: Facing the Incompleteness, European Business Organization Law Review, January 2026.
- Replace, augment, disrupt: AI & organizational decision-making, Journal of Organization Design, October 2025.
- Timeline for the Implementation of the EU AI Act, European Commission AI Act Service Desk, 2026.