En el año 208 d. C., Cao Cao Dirigía un ejército tan poderoso que pocos se habrían atrevido a desafiarlo. Controlaba una parte abrumadora de los recursos, la mayor reserva de talento y una capacidad de ejecución aparentemente ilimitada. Su objetivo era igualmente ambicioso: cruzar el río Yangtsé, derrotar a las fuerzas de Sun Quan y Liu Bei, y unificar China.

En el lenguaje empresarial actual, piénselo como un líder del mercado con una cuota de mercado dominante, una gran capacidad financiera, el mejor talento del sector y un mandato estratégico para transformar el negocio y redefinir el panorama competitivo.

Al otro lado del río se encontraban Sun Quan y Liu Bei: dos rivales mucho más pequeños y modestos cuyas fuerzas combinadas se veían ampliamente superadas en número.

A primera vista, parecía una victoria clara para Cao Cao. Pero había un problema: sus soldados del norte no estaban acostumbrados a combatir en el agua. Sufrieron mareos y les costaba mucho desenvolverse en los barcos. Así pues, a Cao Cao se le ocurrió una solución aparentemente ingeniosa: encadenen los barcos entre sí y coloquen tablones a lo largo de ellos, lo que convirtió de hecho a la flota en una plataforma estable. Ahora todos podían moverse como si estuvieran en tierra firme.

En el ámbito de la IA empresarial, esto suena familiar: crear una plataforma de IA centralizada para toda la empresa; conectar todas las unidades de negocio; unificar data, los modelos, la gobernanza y los procesos de aprobación; estandarizar la experiencia y mantener todo bajo control.

En la reunión estratégica, es posible que alguien haya preguntado: ¿Y si nos atacan con fuego?

Cao Cao tenía una respuesta. Era invierno. El viento predominante soplaba del noroeste. Sus tropas se encontraban en la orilla norte, mientras que el enemigo estaba en la orilla sur. Si intentaban incendiar sus barcos, el viento simplemente llevaría las llamas de vuelta hacia ellos.

El razonamiento era irrefutable. El riesgo estaba bajo control. Salvo por un detalle: el viento cambió de dirección. Y fue entonces cuando la batalla de los Acantilados Rojos se convirtió en uno de los momentos decisivos más famosos de la historia de China.

El comandante enemigo, Zhou Yu, se percató de inmediato de ese punto débil: los barcos estaban encadenados entre sí.

Huang Gai, un general veterano en quien Cao Cao depositaba su confianza, propuso una estratagema. Fingiría pasar al bando enemigo, se acercaría a la flota de Cao Cao con un grupo de barcos cargados de combustible y leña, y luego les prendería fuego.

Los soldados de Cao Cao observaban cómo se acercaban las naves, convencidos de que Huang Gai venía a rendirse. Entonces comenzaron las llamas. Un fuerte viento del sureste propagó el fuego de un barco a otro. Lo que se había concebido para generar estabilidad se convirtió en un mecanismo para propagar la destrucción. La flota ardió. Los campamentos de la costa se incendiaron. Las fuerzas de Cao Cao fueron derrotadas.

La versión literaria tradicional china de la historia añadió posteriormente muchos elementos memorables: el famoso “préstamo del viento del este”, elaboradas estratagemas y la persecución en el paso de Huarong. Sin embargo, el relato histórico recogido en Zizhi Tongjian es mucho más conciso.

Y su descripción de la batalla contiene dos detalles de enorme importancia:

  • Los barcos estaban conectados.
  • El viento soplaba con fuerzag.

Una era una vulnerabilidad estructural. La otra, una variable inesperada. Juntas, convirtieron la mayor ventaja de Cao Cao en su mayor debilidad.

Esa es una forma sorprendentemente útil de plantearse transformación de la IA en las empresas.

Control centralizado frente a agilidad independiente

¿Cómo se evita el riesgo sistémico en su arquitectura de inteligencia artificial?

Cao Cao unió sus barcos con cadenas. La ventaja inmediata era evidente: sus soldados podían desplazarse por el agua sin marearse. La estabilidad mejoró. La coordinación mejoró. La flota pasó a ser más fácil de manejar.

Pero esa misma decisión generó una vulnerabilidad sistémica. Antes, si un barco se incendiaba, solo se quemaba ese barco. Ahora, si un barco se incendiara, toda la flota podría arder. El hecho de que los barcos estuvieran conectados esa era la vulnerabilidad que Huang Gai había detectado: una que el propio Cao Cao había creado.

Muchas grandes empresas se enfrentan a una tentación similar cuando inician su transformación hacia la inteligencia artificial.

A menudo, el instinto lleva a crear una plataforma de inteligencia artificial centralizada que abarque toda la empresa: conectar todas las unidades de negocio, consolidar data, estandarizar las capacidades, establecer un marco de gobernanza común y crear una experiencia de usuario coherente.

Desde el punto de vista de la gobernanza, esto tiene todo el sentido del mundo. Reduce la duplicación de inversiones, refuerza la seguridad y el cumplimiento normativo, y genera economías de escala. Sin embargo, sigue la misma lógica subyacente —y errónea— que la de encadenar los barcos entre sí: tomar un conjunto de unidades independientes e integrarlas en un único sistema gestionado de forma centralizada.

El problema es que, una vez que todo está estrechamente interrelacionado, surgen tres retos.

  • Riesgo concentrado: Un incidente de tipo data en una unidad de negocio puede convertirse rápidamente en una crisis de confianza y cumplimiento normativo que afecte a toda la empresa.
  • Pérdida de velocidad: Los equipos de negocio pierden la capacidad de experimentar de forma independiente. Cuando surge una nueva oportunidad relacionada con la IA, es posible que su primera pregunta ya no sea “¿Podemos probar esto?”, sino “¿Cuándo lo aprobará el equipo central?”.”
  • La ilusión de la transformación: Una plataforma de IA centralizada puede dar a una organización la sensación de que se está transformando, cuando en realidad puede que simplemente esté utilizando la IA para agilizar y abaratar los procesos existentes, sin plantearse si dichos procesos deberían existir tal y como están.

Por supuesto, las plataformas centralizadas y la agilidad independiente no son mutuamente excluyentes.

Una arquitectura de IA madura debe ofrecer capacidades comunes, medidas de seguridad y economías de escala a nivel de plataforma., al tiempo que se deja margen a las unidades de negocio para que tomen sus propias decisiones y actúen de forma autónoma.

El acoplamiento debe ser intencionado. Nunca debe convertirse en una cadena..Esto implica separar claramente los límites de gobernanza entre la plataforma y las aplicaciones desarrolladas sobre ella:

Estandarizar la plataforma. Potenciar las aplicaciones. Esto permite a la organización mantener normas y controles de riesgo comunes, al tiempo que preserva la capacidad de cada unidad de negocio para responder ante los cambios del mercado.

La cuestión no es si los barcos deberían estar conectados. Es qué naves deben conectarse, en qué nivel y con qué finalidad.

Transformación de arriba abajo frente a innovación desde dentro

¿De dónde proviene el verdadero motor de la adopción de la IA?

El engaño de Huang Gai no fue simplemente una estratagema militar. Funcionó porque proporcionó una justificación verosímil para que se llevara a cabo el ataque con fuego. Huang Gai era un general veterano conocido por Cao Cao. Su reputación hizo que su rendición resultara creíble. El fuego no procedía del exterior; se trajo desde el interior.

Esta es otra lección útil para la IA empresarial.

Cuando las organizaciones ponen en marcha una transformación basada en la inteligencia artificial, el enfoque habitual suele ser de arriba abajo: La sede central define la estrategia, desarrolla la plataforma, establece el modelo de gobernanza y, a continuación, lo implanta en toda la empresa.

El reto radica en que Las nuevas tecnologías generan, por naturaleza, una barrera de confianza. Se pide a las personas que cambien su forma de trabajar, que aprendan a utilizar herramientas con las que no están familiarizadas y que asuman el coste de la experimentación. Y es por eso que algunos de los éxitos más rápidos en el ámbito de la inteligencia artificial que observamos suelen tener su origen mucho más cerca del propio negocio.

Las personas que llevan años trabajando en un área concreta saben dónde se encuentran los verdaderos obstáculos. Cuando, además, adquieren los conocimientos suficientes sobre la inteligencia artificial como para reconocer lo que la tecnología puede y no puede hacer, son capaces de identificar puntos de partida mucho más precisos y validar nuevos casos de uso con mucho menos esfuerzo.

Puede que estas personas no sean las más preparadas técnicamente de la organización. Sin embargo, a menudo aportan algo igual de valioso: conocimientos empresariales y confianza interna.

Por lo tanto, la estrategia descendente y la innovación ascendente no son modelos que compitan entre sí. Resuelven problemas distintos:

  • Liderazgo de arriba abajo ofrece orientación, recursos, gestión de riesgos y el marco necesario para la expansión.
  • Innovación impulsada por las empresas ofrece pertinencia, rapidez y validación práctica.

La estrategia de IA más eficaz hace ambas cosas. Establezca la dirección desde arriba y, a continuación, identifique y mobilice a las personas de la organización que puedan hacer realidad esa dirección.

Toda organización necesita su propio «Huang Gai»: personas que comprendan el negocio con la suficiente profundidad como para saber dónde puede la IA generar valor, y que cuenten con la credibilidad necesaria para impulsar ese cambio desde dentro de la propia organización.

La cuestión no es si la transformación debe ser de arriba abajo o de abajo arriba. La cuestión es: “¿Quién dentro de la empresa puede ser el motor de la iniciativa??”

Una estrategia que resultaba lógica frente a un paradigma que ha cambiado

¿Qué debería guiar el criterio durante una transformación basada en la inteligencia artificial?

Cao Cao no subestimaba el riesgo. Según el relato histórico, sus consejeros habían barajado la posibilidad de un ataque con fuego. Su razonamiento era sencillo: el enemigo se encontraba al sur; sus fuerzas, al norte; era invierno; y el viento predominante soplaba del noroeste. Por lo tanto, si el enemigo intentaba utilizar el fuego, las llamas serían empujadas de vuelta hacia ellos.

Su razonamiento no carecía de fundamento. De hecho, se basaba en años de experiencia. Cao Cao había pasado décadas luchando en el norte de China. Su conocimiento del clima invernal se había visto confirmado en repetidas ocasiones. El problema no era que su experiencia fuera errónea.

El problema era que había trasladado una norma local a un entorno diferente y la había tratado como si fuera universal.

La región del río Yangtsé se caracterizaba por unas condiciones climáticas diferentes. El contexto había cambiado. Y cuando el contexto cambia, incluso un modelo perfectamente racional puede dar una respuesta errónea.

Cuando se habla de la inteligencia artificial, las empresas suelen esgrimir argumentos similares:

  • “Nuestro sector está demasiado especializado. La inteligencia artificial no podrá hacerse cargo de ello”.”
  • “Contamos con veinte años de conocimientos técnicos propios. Un modelo no puede comprenderlo”.”
  • “Nuestros clientes necesitan confianza. Una máquina no puede ofrecerla”.”

Es posible que estas afirmaciones fueran perfectamente razonables en el contexto tecnológico anterior. Sin embargo, la IA no es simplemente una herramienta mejor. Representa un cambio de paradigma.

La experiencia que convertía a alguien en un excelente marinero en la época de los veleros no le permite necesariamente saber cómo se comportará un barco de vapor.

Lo mismo ocurre con la IA. Muchas organizaciones están tomando decisiones perfectamente racionales sobre la IA basándose en supuestos que ya no son válidos.

Cometen el error de:

  • “Todavía no funciona” por “Eso nunca funcionará.”
  • “Nunca lo he visto” por “No existe.”
  • “Llevamos veinte años haciéndolo así” por “Lo haremos así durante los próximos veinte.”

Se trata de trampas cognitivas peligrosas durante una transición tecnológica. La respuesta no consiste en descartar la experiencia. La experiencia sigue siendo una de las fuentes más valiosas para la toma de decisiones. Sin embargo, las organizaciones deben incorporar un hábito adicional en todos los debates sobre estrategias de IA: ¿Qué supuestos sustentan nuestra conclusión? ¿Siguen siendo válidos dichos supuestos en el nuevo paradigma tecnológico??

En los momentos decisivos de la estrategia de IA, las organizaciones también deberían incorporar deliberadamente diferentes perspectivas al proceso. No porque esas personas tengan necesariamente la respuesta correcta, sino porque pueden plantear la pregunta que a nadie más se le ha ocurrido formular.

En el campamento de Cao Cao, la persona desaparecida no era otro estratega. Se trataba de alguien que preguntaba: “¿Y si el viento soplara de otra manera al otro lado del río??”

Mando centralizado frente a toma de decisiones distribuida

¿Quién debería tener la última palabra en la era de la inteligencia artificial?

La estructura de mando de Cao Cao estaba muy centralizada. Las órdenes partían del mando central y se transmitían a través de la jerarquía. Ese modelo funcionaba bien en los campos de batalla que Cao Cao conocía: grandes espacios abiertos, condiciones relativamente predecibles y tiempo suficiente para que las órdenes recorrieran la cadena de mando.

Red Cliffs fue diferente. El campo de batalla cambiaba a cada minuto. Y cuando se acercaron las naves de Huang Gai, los soldados de Cao Cao se limitaron a observar. Esperaban instrucciones. Antes de que nadie pudiera reaccionar, el fuego ya se había propagado. Es aquí donde cobra importancia el contraste con las fuerzas adversarias.

Huang Gai vio la oportunidad que ofrecían los barcos conectados y actuó a través de la estructura de mando existente, eludiendo el largo proceso de escalada. El principio general es sencillo: Cuando el entorno cambia más rápido de lo que la jerarquía es capaz de responder, la toma de decisiones centralizada se convierte en un lastre..

Las grandes empresas suelen caer precisamente en esta trampa con la IA. Centralizan la plataforma; centralizan la autorización; centralizan el acceso. Y centralizan las decisiones sobre qué casos de uso están permitidos, qué data se puede utilizar y qué modelos se pueden implementar.

La intención es comprensible: controlar el riesgo y evitar el caos. Sin embargo, este modelo parte de una suposición implícita: La IA es lo suficientemente estable como para que el centro pueda evaluar todo antes de que la empresa tenga que tomar medidas.

En realidad, A menudo ocurre justo lo contrario. Las oportunidades en materia de inteligencia artificial están repartidas. Las necesidades empresariales dependen en gran medida del contexto. Los equipos más cercanos a los clientes y a las operaciones suelen ser los primeros en detectar las oportunidades. Y mientras la sede central sigue evaluando si merece la pena abordar un caso de uso, Es posible que el caso de uso ya haya cambiado. Aunque el equipo de gobernanza sigue evaluando si un modelo es seguro, Es posible que el propio modelo haya pasado por varias versiones.

Por lo tanto, la pregunta no es: ¿Deberíamos controlar la IA o no?? Es lo siguiente: ¿Qué aspectos deben controlarse de forma centralizada y cuáles deben decidirse a nivel local??

La lección que se desprende de «Red Cliffs» resulta sorprendentemente relevante. La dirección central debe asumir la responsabilidad de tres aspectos:

  • Objetivo estratégico: ¿Qué es lo que pretendemos conseguir?
  • Barandillas: ¿Cuáles son los límites innegociables en materia de seguridad, cumplimiento normativo y gestión de riesgos?
  • El arsenal: ¿A qué modelos comunes, infraestructura data, plataformas y capacidades de seguridad debería tener acceso todo el mundo?

A continuación viene la parte crucial: Cuando surja la oportunidad, tome la decisión allí donde la oportunidad sea visible.

Aplicado a la gobernanza de la IA en las empresas, el principio es sencillo:

  • Centralice lo que sea necesario centralizar: Seguridad, cumplimiento normativo, principios arquitectónicos y eficiencia en el uso de los recursos.
  • Descentralice aquello que se beneficie de la proximidad a la empresa: Qué casos de uso abordar, cómo aplicar la inteligencia artificial, cómo llevar a cabo experimentos y con qué rapidez realizar iteraciones.

Los equipos más cercanos al negocio suelen ser los que detectan dónde está surgiendo la próxima oportunidad. Proporcióneles las herramientas. Establezca los límites. Y, a continuación, déjeles actuar.

La prueba de Red Cliffs para la IA empresarial

La batalla de los Acantilados Rojos suele recordarse como la historia de una fuerza en inferioridad numérica que derrotó a un ejército mucho más numeroso. Sin embargo, desde la perspectiva de la inteligencia artificial empresarial, la lección más interesante es otra.

Cao Cao no perdió por carecer de recursos. Perdió porque la forma en que organizó sus recursos le hizo vulnerable; su transformación se impulsó desde el centro y no desde la periferia; su criterio se basaba en exceso en supuestos que habían cambiado; y su estructura de toma de decisiones no fue capaz de reaccionar con la suficiente rapidez cuando el entorno cambió.

Esto convierte a «Red Cliffs» en un marco inesperadamente útil para reflexionar sobre la transformación de la inteligencia artificial.

Conviene plantearse cuatro preguntas:

  • A la hora de diseñar su arquitectura de IA, ¿está creando una flota resistente o está uniendo todos los barcos para formar un único sistema frágil?
  • A la hora de impulsar la adopción de la IA, ¿se encuentra el motor de la innovación en un documento estratégico de la sede central o en manos de las personas que, dentro de la empresa, son capaces de hacer que surja la chispa?
  • A la hora de evaluar los plazos y los riesgos de la IA, ¿sus decisiones se basan en lo que le dicta su experiencia actual o en lo que podría ser posible en el marco del paradigma tecnológico del futuro?
  • Y a la hora de diseñar la gobernanza de la IA, ¿intenta usted controlar cada movimiento de cada barco o establece la dirección, los límites y las capacidades que permiten a la flota desplazarse?

Las empresas que tomen las decisiones acertadas en este ámbito no serán necesariamente aquellas que cuenten con los mayores presupuestos en inteligencia artificial, los modelos más avanzados o los equipos tecnológicos más numerosos. Serán aquellas que comprendan dónde estandarizar, dónde experimentar, qué supuestos cuestionar y dónde asignar las competencias decisorias.

En la próxima década de competencia impulsada por la inteligencia artificial, eso podría marcar la diferencia entre una organización que se limita a adoptar la inteligencia artificial y otra que realmente se transforma gracias a ella.