Podrías tener a Steve Jobs y a Taiichi Ohno en tu comité de dirección y los tienes contestando WhatsApps: IA y RAG para dirigir
La mayoría usa la IA para tareas que una persona hace mejor. Mientras tanto, deja vacía la única silla donde de verdad importaría: la de dirección.
Estás usando un cerebro para hacer fotocopias
La mayoría de empresas ha metido la IA por el sitio más bajo posible.
Contestar mails. Resumir documentos. Repasar contratos. Responder WhatsApps.
Tareas de poco valor. Y lo digo sin rodeos: responder un WhatsApp no tiene ningún mérito. Encima, de momento, las personas lo hacen mejor.
Soy Cinto Casals, ingeniero de IA y arquitecto de sistemas agénticos. Y llevo tiempo viendo cómo se desperdicia lo interesante de esta tecnología en lo más aburrido.
Lo que le falta a la IA no es inteligencia
La IA de hoy ya puede razonar sobre decisiones de dirección. De verdad.
Lo que le falta no es capacidad. Es conocer tu empresa.
Una IA genérica razona sobre una empresa de manual. No sobre la tuya. No conoce tus cifras, ni tus procesos, ni por qué tomaste aquella decisión hace dos años.
Solo hay que explicárselo bien. Ese es todo el juego.
Mi caso: dos asesores que discuten entre ellos
Yo tengo dos asesores. Y discuten entre ellos para ayudarme a decidir.
Uno es un Twin de Steve Jobs. El otro, un Twin de Taiichi Ohno, el padre del Sistema de Producción Toyota.
Cuando tengo que tomar una decisión empresarial, me dan una respuesta consensuada. Y me explican cómo han llegado hasta ahí.
- Jobs representa el producto, la visión y la simplicidad.
- Ohno representa la eliminación del desperdicio y la mejora continua.
La gracia no está en ninguno de los dos por separado. Está en la fricción entre ambos.
Jobs quiere añadir. Ohno quiere quitar. Jobs habla de deseo. Ohno habla de flujo. Y de ese choque sale algo que ningún asesor único me daría.
Esto aporta muchísimo más valor que automatizar respuestas. Y es algo que, sin IA, no me podría permitir.
El puente se llama RAG
Entre una IA genérica y un asesor que conoce tu empresa hay un puente. Se llama RAG (Retrieval-Augmented Generation).
Funciona así: antes de responder, el modelo consulta el conocimiento real de tu empresa.
Cifras. Procesos. Contratos. Actas. Histórico de decisiones.
Y razona sobre TU empresa. No sobre una empresa de manual.
RAG, no fine-tuning
Mucha gente se pregunta por qué no reentrenar el modelo con los datos de la empresa. Respuesta corta: es una trampa financiera.
El conocimiento de una empresa cambia cada semana. Reentrenar un modelo cada vez que cambia algo es caro y lento.
Con RAG, actualizas los documentos y el asesor ya lo sabe. Y, además, puedes ver de qué documento sale cada argumento.
Un RAG mal hecho es peor que no tenerlo
Aquí viene la parte que casi nadie cuenta.
Un RAG mal montado es un asesor que alucina con tus propios datos. Y lo hace con muchísima seguridad. Eso es más peligroso que no tener nada.
Estas son las claves de una implementación seria:
- Curar las fuentes. No vuelques todo el Drive. Solo lo que la Dirección necesita: estrategia, cuentas, KPIs, procesos, contratos clave, actas.
- Datos limpios, con fecha y sin versiones duplicadas u obsoletas.
- Fragmentar los documentos con sentido y etiquetarlos con metadatos: área, fecha, fiabilidad.
- Permisos. Lo que ve el asesor de Dirección no es lo que ve el de atención al cliente.
- Soberanía. El conocimiento del negocio en infraestructura propia o controlada. No repartido en cuentas personales (eso es Shadow AI).
- Trazabilidad. Cada respuesta cita sus fuentes. Y si no hay fuente, lo dice.
- Evaluación continua. Preguntas de control con respuesta conocida para detectar cuándo el sistema se degrada.
El debate como método
Dos Twins con el mismo RAG, pero con criterios distintos, se contradicen. Y al contradecirse, se obligan a justificarse.
Lo que llega a la Dirección no es una opinión. Es un razonamiento que se puede auditar.
Y que quede claro: la decisión sigue siendo de quien dirige. Los Twins no deciden. Preparan el terreno para decidir mejor.
La metáfora que lo resume todo
Usar la IA para contestar WhatsApps es como tener a Steve Jobs y a Taiichi Ohno en plantilla y ponerlos a hacer fotocopias.
Y darle la mejor IA a la Dirección sin RAG es sentarlos en el consejo sin enseñarles las cuentas.
En ambos casos, tienes un cerebro brutal y lo dejas ciego o de brazos cruzados.
Entonces, ¿qué te toca a ti?
La pregunta no es qué tareas puede automatizar la IA.
La pregunta es a quién sientas en tu mesa de dirección. Y qué le has contado de tu empresa.
Porque puedes tener a los mejores asesores del mundo. Si no les enseñas las cuentas, no sirven de nada.
En el Manual La Empresa IA-Nativa dedico los pasos 2 a 5 a construir exactamente ese cerebro con RAG: https://www.cintocasals.com/#manual-ia-nativa
¿Por qué usar IA para decisiones de dirección y no solo para tareas como responder WhatsApps?
Porque responder un WhatsApp es una tarea de poco valor y, de momento, las personas lo hacen mejor. La IA de hoy ya puede razonar sobre decisiones de dirección. Lo que le falta no es inteligencia, sino conocer tu empresa. Aplicarla arriba, en la mesa de dirección, aporta mucho más valor que automatizar respuestas de bajo nivel.
¿Qué es RAG y por qué es clave para que la IA asesore sobre mi empresa?
RAG (Retrieval-Augmented Generation) es el puente entre una IA genérica y un asesor que conoce tu empresa. Antes de responder, el modelo consulta el conocimiento real del negocio (cifras, procesos, contratos, actas, histórico de decisiones) y razona sobre TU empresa, no sobre una empresa de manual. Además, permite ver de qué documento sale cada argumento.
¿Por qué RAG y no reentrenar el modelo (fine-tuning)?
Porque el conocimiento de una empresa cambia cada semana y reentrenar un modelo cada vez es una trampa financiera. Con RAG solo actualizas los documentos y el asesor ya lo sabe, con la ventaja añadida de la trazabilidad: cada respuesta cita sus fuentes.
¿Qué riesgo tiene un RAG mal implementado?
Un RAG mal hecho es peor que no tenerlo: es un asesor que alucina con tus propios datos, y lo hace con mucha seguridad. Para evitarlo hay que curar las fuentes, mantener datos limpios y fechados, fragmentar y etiquetar con metadatos, gestionar permisos, asegurar la soberanía del conocimiento, garantizar trazabilidad y hacer evaluación continua con preguntas de control.
Comentarios