La idónea visión de Enrique Dans sobre la dirección empresarial a cargo de los LLM

I. El instante en que todo pareció posible

Noviembre de 2022 quedará registrado como uno de esos momentos en que la percepción colectiva sobre una tecnología experimenta una mutación repentina. Cuando la empresa OpenAI puso a disposición del público general su sistema conversacional, millones de personas descubrieron algo que hasta entonces solo habitaba en la esfera de la promesa tecnológica: una herramienta de inteligencia artificial que funcionaba de verdad, que respondía con coherencia, que parecía comprender el contexto y que, con sus imperfecciones evidentes, resultaba asombrosamente útil. El profesor Enrique Dans, quien desde hace décadas observa la evolución de la innovación digital desde su cátedra en el Instituto de Empresa y desde sus múltiples plataformas de divulgación, fue uno de los primeros en captar la magnitud de lo que acababa de ocurrir. Sin embargo, y esta es la virtud que distingue su análisis de la euforia generalizada, Dans supo separar con claridad meridiana lo que la tecnología era realmente capaz de hacer de lo que la euforia colectiva creía que podría lograr.

La intuición inicial de Dans resultó acertada. El sistema conversacional funcionaba brillantemente para un individuo frente a un teclado, pero esa misma capacidad se revelaba sorprendentemente ineficaz cuando se trasladaba al interior de una organización empresarial. Dos años después del lanzamiento, tras miles de millones de euros invertidos en infraestructura, tras innumerables programas piloto y tras una avalancha interminable de asistentes digitales integrados en las suites ofimáticas, empezaba a perfilarse una realidad distinta de la que el relato dominante había prometido. La inteligencia artificial generativa era excepcional produciendo lenguaje. Pero las empresas no funcionan con lenguaje: funcionan con memoria, con contexto, con retroalimentación y con restricciones. Ahí residía la brecha. Y por eso tantas iniciativas de inteligencia artificial en el ámbito corporativo estaban fracasando en silencio, lejos de los titulares que celebraban cada nueva versión del modelo.

II. La paradoja de la alta adopción y el bajo impacto

Lo que hace particularmente valiosa la contribución de Dans es que no se trata del análisis de una tecnología que no ha conseguido tracción. Es exactamente lo contrario. Un estudio respaldado por el Instituto Tecnológico de Massachusetts concluía que alrededor del 95% de los programas piloto de inteligencia artificial generativa en empresas no lograban resultados significativos, y que apenas un 5% llegaba a producción sostenida. Otras investigaciones apuntaban en la misma dirección: experimentación masiva, transformación mínima. La explicación que ofrecía Dans resultaba reveladora porque desplazaba el foco del problema. No se trataba de falta de entusiasmo, ni siquiera de carencia de capacidad técnica. El verdadero obstáculo era que las herramientas no se traducían en cambios operativos reales.

Debe tenerse presente que esta no era una cuestión de adopción, sino de arquitectura. Dans identificaba con precisión quirúrgica la paradoja incómoda que convivía en la mayoría de las empresas. Por un lado, los empleados utilizaban sistemas conversacionales de forma constante: redactaban documentos, resumían informes, generaban ideas y aceleraban su trabajo de maneras que resultaban naturales y eficaces. Por otro lado, las iniciativas oficiales de inteligencia artificial empresarial tenían dificultades para escalar más allá de pilotos cuidadosamente controlados. El mismo análisis del Instituto Tecnológico de Massachusetts hablaba de una brecha de aprendizaje creciente: los individuos encontraban valor rápidamente, pero las organizaciones no conseguían integrar ese valor en flujos de trabajo relevantes. El resultado se aproximaba a lo que Dans denominaba una inteligencia artificial en la sombra: las personas usaban lo que funcionaba, mientras las empresas invertían en lo que no. Esto no era resistencia al cambio. Era una señal.

III. El error arquitectónico fundamental

La mayoría de las explicaciones sobre este fracaso se centraban en factores de ejecución: datos deficientes, casos de uso poco claros, falta de formación. Todo ello era cierto, pero todo ello resultaba secundario. El problema real, según argumentaba Dans con la contundencia de quien ha estudiado la estructura de los sistemas tecnológicos durante décadas, era más simple y mucho más fundamental. Los grandes modelos de lenguaje están diseñados para predecir texto. Punto. Todo lo demás, desde el razonamiento hasta el resumen, pasando por la conversación, no son más que propiedades emergentes de esa capacidad primigenia.

Pero las empresas no operan como secuencias de texto. Operan como sistemas dinámicos con estado, con memoria, con dependencias, con incentivos y con restricciones. Ahí residía el desajuste que Dans había venido defendiendo en sus escritos previos: el fallo arquitectónico central de la inteligencia artificial actual. Los grandes modelos de lenguaje no ven el mundo. No mantienen estado persistente. No aprenden de la retroalimentación del mundo real a menos que se diseñen explícitamente para ello. Generan lenguaje convincente sobre la realidad, pero no operan dentro de ella.

Considero que esta distinción constituye el aporte más valioso de Dans al debate contemporáneo sobre la inteligencia artificial empresarial. No se trata de negar la utilidad de los sistemas conversacionales, sino de situarlos en su lugar correcto dentro de la arquitectura organizacional. Un gran modelo de lenguaje puede escribir un memorando con elegancia y precisión. Pero no puede dirigir una empresa. Puede describir una estrategia con estructura y persuasión. Pero no puede ejecutarla.

IV. El patrón de la desconexión sistémica

Dans describía un patrón que debería resultar familiar a cualquier directivo que haya experimentado con estas tecnologías. Se le pide al sistema que aumente las ventas, que diseñe una estrategia de lanzamiento o que mejore el rendimiento del equipo, y se obtiene una respuesta. A menudo, una respuesta muy buena. Estructurada, articulada y persuasiva. Y casi completamente desconectada del sistema real que se supone debe influir. Porque un gran modelo de lenguaje no puede seguir un pipeline comercial, gestionar incentivos salariales, integrar datos de sistemas de gestión de relaciones con clientes ni adaptarse en función de resultados concretos.

Los hallazgos del Instituto Tecnológico de Massachusetts reforzaban este punto con datos empíricos: las herramientas de inteligencia artificial generativa funcionaban bien para tareas individuales y flexibles, pero se rompían en entornos empresariales donde se requería adaptación, aprendizaje e integración. En otras palabras, un gran modelo de lenguaje puede redactar el informe, pero no puede gestionar la organización.

Entiendo que la respuesta de la industria ante esta constatación ha sido predecible: modelos más grandes, más infraestructura computacional, más escala. Pero escalar no corrige un fallo de diseño. Si un sistema carece de anclaje en la realidad operativa, más parámetros no se lo proporcionarán. Si carece de memoria persistente, más unidades de procesamiento de lenguaje no se la darán. Si carece de bucles de retroalimentación, más centros de datos no los crearán. La escala amplifica lo que ya existe, pero no crea lo que falta. Y en este caso, lo que falta no es más lenguaje. Es más mundo.

V. Hacia una arquitectura empresarial genuina

La próxima fase de la inteligencia artificial empresarial, según anticipaba Dans, no vendría definida por mejores interfaces conversacionales ni por grandes modelos de lenguaje más potentes. Vendría definida por algo completamente distinto: sistemas capaces de mantener estado, integrarse en flujos de trabajo, aprender de los resultados y operar bajo restricciones concretas. Sistemas que no solo generan texto, sino que actúan dentro de entornos reales.

Hay que reseñar que esta visión trasciende la mera crítica tecnológica para adentrarse en el terreno de la arquitectura de sistemas. El futuro de la inteligencia artificial en las empresas no se construirá únicamente sobre grandes modelos de lenguaje, sino sobre arquitecturas que los integren dentro de modelos más ricos de la realidad. Dans había defendido en trabajos anteriores que los modelos del mundo acabarán siendo una capacidad fundamental y no un concepto marginal. Esta afirmación, que en un primer momento puede parecer técnica, encierra una profunda implicación estratégica: la inteligencia artificial empresarial del futuro no será una capa de conversación superpuesta a las operaciones existentes, sino una infraestructura capaz de comprender, modelar e intervenir en los procesos organizacionales con la misma naturalidad con la que hoy genera párrafos coherentes.

VI. La incomodidad de decir lo evidente

Uno de los méritos más notables del análisis de Dans reside en su disposición a articular en voz alta lo que muchos profesionales dentro de las organizaciones ya percibían pero preferían no exponer públicamente. Habían ejecutado los pilotos, habían visto las demostraciones, habían experimentado la brecha entre la promesa y la realidad. Pero decirlo en voz alta seguía siendo incómodo. Demasiado impulso inversor, demasiado capital comprometido, demasiado relato construido en torno a la idea de que escalar los grandes modelos de lenguaje acabaría resolviéndolo todo.

Dans no dudaba en concluir que no lo haría. La metáfora que empleaba resultaba elocuente: el emperador no solo está desnudo, sino que lleva la ropa equivocada. No se trata de que la tecnología carezca de valor intrínseco, sino de que se le ha asignado un papel para el cual no fue diseñada. La inteligencia artificial generativa no es arquitectura empresarial: es una capa de interfaz. Una capa extraordinariamente potente, pero insuficiente por sí sola para sustentar la complejidad de una organización.

Asumo que esta conclusión, aunque desmitificadora, no es derrotista. Al contrario, abre un horizonte de oportunidad para aquellas empresas que comprendan primero esta distinción. No desplegarán mejor la inteligencia artificial en el sentido convencional; construirán algo fundamentalmente distinto. Y cuando eso ocurra, volverá a parecer magia. Pero esta vez, como advertía Dans con la precaución de quien ha visto demasiadas burbujas tecnológicas, no será una ilusión.

VII. Epílogo sobre la naturaleza de la innovación

El análisis de Enrique Dans sobre los límites de los grandes modelos de lenguaje en la dirección empresarial constituye un ejemplo paradigmático de cómo debe abordarse la innovación tecnológica desde la perspectiva del management. No se trata de negar la revolución, sino de comprender sus contornos reales. No se trata de resistirse al cambio, sino de dirigirlo con criterio. La tecnología generativa de lenguaje ha transformado la productividad individual de manera indiscutible, pero su traslación al ámbito organizacional exige una arquitectura que aún no existe en la forma en que la industria la concibe.

Lo anterior me obliga a deducir que el legado intelectual de este análisis trascienderá el momento presente. Cuando la historiografía de la inteligencia artificial empresarial revise estos años de euforia inicial, el trabajo de Dans será recordado como una de las voces que supieron mantener la calma analítica frente a la tormenta narrativa. No porque fuera conservador, sino porque era riguroso. No porque despreciara la tecnología, sino porque la respetaba lo suficiente como para no confundirla con lo que no era.

Las empresas que logren navegar la próxima década con éxito serán aquellas que interioricen esta lección. La inteligencia artificial no es un oráculo que reemplaza el juicio humano en la dirección de organizaciones complejas. Es una herramienta extraordinaria que, bien integrada en arquitecturas apropiadas, puede potenciar capacidades que antes resultaban inaccesibles. Pero esa integración exige comprender primero qué es cada cosa, dónde terminan las posibilidades de un sistema conversacional y dónde comienza la arquitectura empresarial genuina. En esa frontera, en ese espacio de transición entre el lenguaje y el mundo, reside el verdadero desafío de la innovación que viene.