Casi todas las empresas tienen sus valores escritos. Están en la web, en el informe anual, en las paredes de la sede y en las presentaciones de bienvenida a los nuevos empleados. Lo que pocas tienen escrito es qué hacer cuando esos valores cuestan dinero.
Hasta ahora no ha hecho mucha falta. Esa traducción la hacían las personas, cada día, en miles de decisiones pequeñas. Un gestor decide si ofrece el producto que más comisión genera o el que mejor encaja con su cliente. Una responsable de compras decide si aprieta a un proveedor al que la empresa llama «socio». Un mando intermedio decide si defiende la conciliación que proclama la política de personas o el plazo que le exige su director. En cada una de esas decisiones se revela la cultura real de una organización, y casi ninguna queda registrada.
Los agentes de inteligencia artificial cambian esta situación. Un agente que atiende reclamaciones recomienda productos o prioriza solicitudes necesita instrucciones. Y alguien tiene que escribirlas.

Del cartel a la regla

Hace unas semanas planteé esta cuestión en LinkedIn. Participaron más de 150 personas y la mayoría pensaba que una IA que actuara según los valores declarados mejoraría los resultados de la empresa. Un tercio creía lo contrario. De la conversación salió una idea que resume bien el cambio: el agente es el primer empleado que no sabe hacer la vista gorda.

Para que actúe según los valores de la empresa, habrá que explicarle qué significan en términos operativos. «Orientación al cliente» se convierte en preguntas muy concretas. ¿Puede el agente desaconsejar una compra? ¿Hasta qué importe puede compensar a un cliente sin consultar? ¿Debe informar de una comisión por la que el cliente no ha preguntado? Cada respuesta es una decisión cultural, aunque parezca una cuestión operativa.

Las personas resolvemos estas preguntas sobre la marcha y, con frecuencia, de forma distinta según el día, el cliente o la presión del cierre de mes. En esa flexibilidad conviven dos cosas. Una es criterio: la capacidad de adaptar un principio a una situación que nadie había previsto. La otra es de conveniencia: aplicar el valor cuando sale gratis y olvidarlo cuando tiene un precio. Un sistema automatizado obliga a separarlas, porque lo que no se especifica difícilmente se aplica, y lo que se especifica se aplica de forma sistemática.

Tres decisiones que no se pueden delegar

Cualquier empresa que despliegue agentes con capacidad de decisión tendrá que resolver tres cuestiones que hasta ahora podía dejar en la ambigüedad.

La primera es la jerarquía. Los valores entran en conflicto con frecuencia: la transparencia con la confidencialidad, el servicio al cliente con la eficiencia, la prudencia con la innovación. Por ejemplo, en un banco, la rapidez para conceder un préstamo puede chocar con la prudencia en el análisis de riesgo. Un agente necesita saber cuál pesa más en cada tipo de situación.

La segunda son los límites: lo que el agente no puede hacer, aunque mejore el resultado del trimestre.

La tercera es la escalada: cuándo una decisión debe pasar a una persona, y a cuál. Ahí se reserva el espacio para el juicio humano, que ninguna especificación puede sustituir del todo.

Definir cómo actúa un sistema que trata con miles de clientes tiene consecuencias comerciales, reputacionales y regulatorias, por lo que su responsabilidad corresponde a la dirección.

El riesgo de automatizar la contradicción

Sería ingenuo pensar que la IA hará a las empresas más coherentes por sí sola. Un agente actúa según lo que se le especifica, y quien lo configura tiende a traducir los incentivos que conoce: los objetivos comerciales, los indicadores que se revisan cada semana, lo que de verdad se premia. Uno de los participantes en la encuesta lo resumió así: “quien genera el algoritmo firma los valores reales de la compañía”.

A eso se suma la historia. Los agentes aprenden también de la información que la empresa ha acumulado: correos, expedientes, decisiones anteriores. Esa información refleja lo que la organización hizo durante años, con todas sus contradicciones, y el agente la tomará como referencia de cómo se trabaja de verdad.

Si eso ocurre, la contradicción que antes dependía del criterio de cada empleado quedará escrita en un sistema que la repite miles de veces al día, sin excepciones. La IA puede ayudar a reducir la brecha entre cultura declarada y cultura real, o puede consolidarla a una escala que ningún equipo humano alcanzaría.

Las correcciones como indicador

Propongo a los comités de dirección un ejercicio sencillo: registrar cada corrección que se haga al comportamiento de sus agentes y preguntarse por qué se hizo. Algunas corregirán errores. Otras corregirán al agente por aplicar un valor que la empresa defiende en público pero que, en ese momento, resultaba caro. Ese segundo grupo dice más sobre la cultura de una organización que cualquier encuesta de clima. El registro tiene además una ventaja práctica: convierte una conversación abstracta sobre cultura en datos que un comité puede revisar cada trimestre, igual que revisa los riesgos o la satisfacción de los clientes.

En El valor de la autenticidad defendía que la autenticidad empresarial se construye sobre la coherencia entre lo que una organización dice, decide y hace. Los agentes de IA añaden una exigencia nueva: esa coherencia tendrá que estar escrita, y será posible comprobarla.
Hay una pregunta que muchos equipos directivos tendrán que responder en los próximos meses. Si un agente aplica nuestros valores al pie de la letra y eso nos cuesta un cliente, una venta o un trimestre, ¿lo corregiremos o lo respaldaremos? La respuesta definirá la cultura de la empresa mejor que cualquier declaración.