Consumir inteligencia artificial no es construir capacidad

Esta es la tercera y última entrega de una serie que comenzó con la evidencia que necesitan los sistemas inteligentes en materia regulada, y siguió con lo que cambia en el trabajo de quien administra cuando una parte del procesamiento deja de requerir intervención humana constante. Cierro con una distinción que, sostengo, va a separar durante esta década a quienes obtengan una ventaja real de estas tecnologías de quienes simplemente las hayan comprado: consumir inteligencia artificial no es lo mismo que construir capacidad de inteligencia artificial.

Dos cosas que se parecen y no lo son

Comprar licencias para que un equipo use una herramienta de inteligencia artificial es consumo. Poner un asistente conversacional en un portal es consumo. Automatizar dos o tres reportes que antes se armaban a mano también es consumo. Nada de eso está mal —de hecho, es casi siempre el primer paso—, pero confundirlo con haber construido capacidad real es el error que más le va a costar a las organizaciones que lo cometan.

Construir capacidad significa algo distinto y considerablemente más lento: datos que pueden hablarse entre sí sin fricción, procesos rediseñados y no solo acelerados, infraestructura propia, personas especializadas, mecanismos explícitos de gobierno sobre los modelos que se usan, formas reales de auditar lo que esos modelos hicieron, y una organización capaz de modificar cómo opera alrededor de esa inteligencia, no solo de encenderla y apagarla.

La paradoja de partir con ventaja

México, en particular, parte de una posición curiosa. Durante años se construyó una infraestructura fiscal digital que produce cantidades enormes de información estructurada: comprobantes electrónicos, registros federales de contribuyentes, declaraciones, complementos de pago, buzones tributarios. Esa es una cantidad extraordinaria de materia prima digital, mayor que la de muchos países con economías más grandes.

Pero tener información digitalizada no equivale, de ninguna manera, a tener una organización digitalmente inteligente. Digitalizar es trasladar un procedimiento existente a una computadora. Transformar es preguntarse por qué ese procedimiento sigue funcionando de esa manera en primer lugar. Son actividades distintas, y es perfectamente posible hacer mucho de la primera sin haber avanzado nada en la segunda.

De la fase del juguete a la fase de ingeniería

Hay una señal que vengo observando en distintas organizaciones que empiezan a experimentar con estas herramientas: adoptan con entusiasmo, pero con frecuencia no logran traducir esa adopción en un resultado económico claro y medible.

Lo que esto sugiere, más allá del dato exacto, es que estamos saliendo de una primera etapa donde bastaba con probar una herramienta, y entrando en una segunda etapa mucho más exigente donde hay que rediseñar procesos completos para que la inversión se traduzca en algo medible. Ya no alcanza con comprar acceso a un modelo. Hace falta ingeniería real alrededor de él.

Por qué llegar tarde cuesta distinto esta vez

En revoluciones tecnológicas anteriores, una organización o un país que llegaban tarde podían, hasta cierto punto, recuperar terreno comprando después la tecnología que ya existía en otros lados. Se podía adquirir una computadora, contratar servidores, instalar fibra, licenciar software. La brecha, aunque real, era comprable.

Con la inteligencia artificial, una parte de la ventaja funciona de manera distinta. Cualquiera puede comprar mañana, literalmente, el mismo modelo que está usando alguien más avanzado. Lo que no puede comprar son los años que esa organización dedicó a limpiar sus datos, conectar sistemas que antes no se hablaban, formar personas capaces de trabajar con estas herramientas, cometer errores y corregirlos, auditar resultados y ajustar procesos. Ese aprendizaje institucional no viene incluido en la licencia. No se descarga.

Por eso el costo de llegar tarde en esta transición particular puede ser mayor que en las anteriores, aunque el modelo en sí mismo sea, cada vez más, un bien accesible y relativamente barato para casi cualquiera.

La oportunidad está una capa arriba del modelo

No creo que México necesite competir entrenando el modelo fundacional más grande del mundo, ni que exista ninguna razón práctica para intentarlo. La oportunidad real está una capa arriba: en la aplicación de esa inteligencia a un conocimiento operacional que ningún modelo genérico trae incorporado de fábrica.

Ese conocimiento existe y es considerable: cómo funciona realmente el sistema de comprobación fiscal mexicano, cómo opera el régimen de seguridad social, cómo se mueve una operación de comercio exterior a través de aduanas, cómo funciona la nómina bajo la regulación local, qué exige la regulación bancaria y la sanitaria, cómo operan los municipios, cómo se estructura una licitación pública. Nada de eso lo sabe un modelo entrenado de forma genérica con información del mundo entero. Alguien tiene que convertir ese conocimiento institucional en reglas, procesos, excepciones y herramientas utilizables. Ahí es donde se construye valor real, y es un terreno que un modelo extranjero, por más capaz que sea en abstracto, no puede ocupar sin ese conocimiento de dominio.

La revalorización de quienes conocen el terreno

Una consecuencia de esto, poco intuitiva pero que ya empiezo a observar, es que ciertos profesionistas que hoy parecen alejados de la conversación tecnológica van a revalorizarse durante los próximos años. Contadores. Abogados. Actuarios. Médicos. Especialistas en comercio exterior. No porque de pronto vayan a dedicarse a programar, sino porque alguien tiene que ser capaz de convertir su conocimiento profesional e institucional en reglas, controles, excepciones y criterios que un sistema pueda de verdad aplicar de forma consistente. Ese puente entre el conocimiento de un dominio regulado y su traducción en un sistema funcional es, hoy, una de las capacidades más escasas y más valiosas que existen.

Consumir tecnología no es lo mismo que reconstruir instituciones

Dentro de algunos años, sospecho que casi nadie va a hablar de "inteligencia artificial" como un tema aparte, de la misma manera en que hoy casi nadie habla de "internet" como si fuera una novedad digna de mención propia. Simplemente va a estar incorporada dentro de cómo funcionan las cosas. Habrá organizaciones que sepan anticiparse y organizaciones que sigan esperando a que el problema ya haya ocurrido para reaccionar. La diferencia entre unas y otras no va a ser el acceso al modelo —eso, para entonces, lo van a tener todas por igual y a un costo cada vez menor.

La diferencia va a estar en lo que cada una haya construido alrededor de ese acceso: los datos limpios y conectados, los procesos rediseñados de verdad y no solo acelerados, el conocimiento de dominio traducido en reglas utilizables, las autorizaciones claramente definidas, la evidencia que sostiene cada decisión, y la experiencia acumulada de haberse equivocado varias veces y haber corregido el rumbo.

Por eso creo que México no necesita, en primer lugar, una estrategia de inteligencia artificial. Necesita una estrategia de administración para la época en que parte del trabajo cognitivo de administrar ya puede convertirse en infraestructura. Son cosas distintas. La primera compra tecnología. La segunda transforma instituciones, y esa segunda tarea no se resuelve con ninguna licencia, por más avanzada que sea.

Esto cierra la serie. Las tres entregas parten de la misma convicción: la inteligencia artificial aplicada a lo fiscal, lo administrativo y lo financiero no se mide por qué tan bien responde, sino por lo que deja: la evidencia de cómo se llegó a cada decisión, la claridad sobre quién sigue siendo responsable de ella, y la capacidad institucional que queda una vez que la novedad de la herramienta se disipa.