Organizaciones · Eleodoro Ventocilla

Lo estratégico es la relación

Mon, 09 Nov 2026 12:00:00 -0500

Cuatro dólares por galón

Entre febrero y la elección, la gasolina en Estados Unidos pasó de un promedio de 2,98 a 4,15 dólares por galón: casi un 40 % más. El 3 de noviembre, los demócratas ganaron el Senado y, según las proyecciones, la Cámara de Representantes. En Texas ganaron incluso en distritos redibujados para favorecer al partido del presidente. Este admitió que la derrota se debía «en gran parte» al efecto de la guerra en los precios de la energía.

La lectura obvia es que los electores castigaron un mal precio. Hay otra, más incómoda: un vínculo que se creía asegurado por el diseño pudo debilitarse cuando cambió lo que circulaba por él. Los mapas electorales eran estructura, no garantía de lealtad. No solo intervino el bolsillo: también las promesas incumplidas y el desengaño de quienes las creyeron.

Las relaciones son lo estratégico: configuran los ecosistemas en que viven personas y organizaciones, y también la posición de los países en el mundo. Las transacciones son el esfuerzo táctico para obtener los recursos, materiales y no materiales, que nos permiten vivir. Una transacción solo es productiva si crea valor mensurable que pueda ser percibido por las partes: ese valor sostiene y amplía la relación y permite volver a transar.

La condición y el canal

Proponemos una distinción: la relación es la condición; la conexión, el canal. Dos actores están relacionados cuando una diferencia entre ellos importa: una necesidad, una afinidad o una dependencia. La conexión existe cuando algo circula efectivamente entre ellos: energía, información, dinero o confianza. No toda relación llega a conectarse, pero toda conexión requiere una relación previa que la haga posible.

La transacción es el intercambio que utiliza ese canal: un pedido, un pago, un favor, un dato. La relación es estratégica porque define qué conexiones son posibles, con quién y en qué condiciones; la transacción es táctica porque aprovecha ese canal en un momento dado. Confundir ambos planos es uno de los errores más caros de la gerencia: quien optimiza cada transacción como si fuera la única puede terminar cerrando los canales que permitirían las siguientes.

La materia oscura ofrece una analogía: no emite luz, la conocemos por su efecto gravitatorio y fue el andamiaje sobre el que se condensaron las galaxias. Las relaciones se le parecen: casi nunca aparecen en el estado de resultados, pero sostienen lo que sí aparece.

Lo que circula, sostiene

Ningún vínculo con un cliente, un proveedor o un equipo se sostiene solo: si deja de circular lo prometido, la conexión se vacía aunque el contrato siga vigente.

El valor mensurable permite repetir el intercambio: si solo una parte gana, el canal se estrecha; si ambas lo obtienen y pueden comprobarlo, se ensancha y la relación se amplía. Robert Axelrod mostró que la cooperación prospera cuando los intercambios se repiten: la sombra del futuro disciplina el presente. Elinor Ostrom lo encontró en comunidades, muchas latinoamericanas, que cuidan desde hace siglos bosques y sistemas de riego con reglas y acuerdos revisables: cada cosecha es una transacción; el sistema de riego, la relación que permite repetirla.

En las personas, el metaanálisis de Julianne Holt-Lunstad encontró que los vínculos sociales fuertes elevan en torno a un 50 % la probabilidad de sobrevivir. Boris Cyrulnik lo resume: nadie es resiliente solo.

Cuando la transacción se come a la relación

Ganar una transacción puede destruir la relación que la sostiene.

Clientes que cambian de proveedor con un clic, talento que rota ante la primera oferta y comunidades que retiran la licencia social ante el primer incumplimiento: las organizaciones conocen estos vínculos frágiles. Un sistema de lealtades débiles puede ser más sensible a los estímulos, no necesariamente más racional. En las urnas estadounidenses, el apoyo de los independientes a los demócratas creció 16 puntos respecto de 2024: el dato no prueba esa causa, pero es coherente con ella.

Albert-László Barabási y sus colegas mostraron que las redes con pocos nodos muy conectados resisten las fallas al azar, pero colapsan cuando el golpe cae sobre esos nodos. La advertencia para la gerencia es cuidar a los actores críticos: el cliente que arrastra a otros, el proveedor sin sustituto, el aliado que abre puertas. Exprimir uno de esos vínculos en una negociación puntual puede poner en riesgo la red, no solo la siguiente transacción.

El daño a las relaciones rara vez se cobra en el momento. Hacia dentro, erosiona la confianza que permite coordinar sin vigilar: los equipos dejan de compartir información, el mejor talento se va primero y cada decisión exige más control. Hacia fuera, se traduce en pérdida de licencia social, alianzas críticas rotas y menos poder en el contexto: menos aliados, menos voces que defienden, menos puertas abiertas. En el Perú, proyectos mineros como Conga o Tía María mostraron que una inversión con permisos en regla puede paralizarse durante años sin esa licencia. Con los países ocurre lo mismo: el gobierno que trata a sus socios como contrapartes de una sola transacción, o a sus ciudadanos como clientela cautiva, puede ganar la negociación del día y perder la influencia de la década. La factura llega con intereses: primero, en costos de transacción más altos; luego, en oportunidades que nadie ofrece; al final, en la viabilidad misma y en la continuidad productiva y competitiva. Las relaciones dañadas se pagan, y más temprano que tarde.

Perder una partida para conservar el tablero

Para decidir, conviene hacer explícitas tres preguntas: ¿qué valor recibe cada parte?, ¿cómo podrá comprobarlo?, ¿qué posibilidad de seguir intercambiando abre o conserva esta transacción? Sin ellas, cuidar la relación puede encubrir una concesión sin retorno.

Con ellas puede evaluarse cuándo conviene perder una transacción para conservar una relación. Pensemos en una distribuidora familiar que, ante un alza abrupta de costos, absorbe parte del aumento para un cliente de quince años en lugar de trasladárselo completo. Pierde margen, pero conserva un canal de pedidos, referencias e información. La pérdida es táctica; la ganancia estratégica dependerá de que esos intercambios continúen creando valor.

Perder una transacción es inversión solo si la relación puede volver a crear valor para ambas partes. Si no puede, es un subsidio que se paga con recursos que otras relaciones necesitan. Elegir también es estratégico: Laura Carstensen mostró que, con los años, las personas podan sus redes para conservar las relaciones más significativas. Conservarlas todas a cualquier precio no es estrategia, sino incapacidad de elegir. Lo contrario del conflicto no es la paz, sino la indiferencia; la relación muere cuando ya no le importa a nadie.

Hay razones más graves para soltar una relación: el cliente que maltrata al equipo, el socio que contamina la reputación, el aliado que exige exclusividad para cerrarnos otras puertas. El daño rebasa el vínculo y envenena la red. Como en el parasitismo —una analogía, no una etiqueta—, el drenaje es lento y por eso cuesta verlo. Cortar cuesta ingresos e historia compartida, pero también se crece soltando: el embrión esculpe sus dedos eliminando el tejido que los unía.

Ecosistemas que se rehacen

Cuidar unas relaciones y soltar otras también reconfigura los contextos: mercados, cadenas de valor, territorios y democracias son redes sostenidas con trabajo. Cuando el entorno se acelera, los vínculos se debilitan y ceden ante golpes que antes habrían resistido.

Los momentos de reconfiguración, como el actual, vuelven más maleable la red. Cuando las lealtades se aflojan, se abren espacios para alianzas improbables, mercados que estaban cerrados y cocreaciones que antes no tenían razón de ser. Quien llega con relaciones cuidadas puede tender nuevas conexiones; quien llega solo con transacciones bien ganadas puede descubrir que nadie le contesta el teléfono.

Las transacciones nos dan los recursos para vivir. Las relaciones deciden en qué mundo vamos a vivir. Ganar una partida importa; lo que está en juego, siempre, es el tablero.

Nota del autor

Este artículo se apoya en las notas de nuestra investigación que hemos llamado «El caos y el Kairós» y «La red que se reconfigura». Para aplicarlas a una red de relaciones, un equipo gerencial o una negociación estratégica, pueden escribirnos directamente.

Fuentes

Datos electorales y de precios: CBS News, NBC News, CNBC, encuesta de votantes de Fox News y AAA, consultados el 4 y el 5 de noviembre de 2026.

Albert, R., Jeong, H. y Barabási, A.-L. (2000). Error and attack tolerance of complex networks. Nature, 406, 378–382.
Axelrod, R. (1984). The Evolution of Cooperation. Nueva York: Basic Books.
Carstensen, L. L., Isaacowitz, D. M. y Charles, S. T. (1999). Taking time seriously: A theory of socioemotional selectivity. American Psychologist, 54(3), 165–181.
Cyrulnik, B. (2002). Los patitos feos. La resiliencia: una infancia infeliz no determina la vida. Barcelona: Gedisa.
Holt-Lunstad, J., Smith, T. B. y Layton, J. B. (2010). Social relationships and mortality risk: a meta-analytic review. PLoS Medicine, 7(7), e1000316.
Ostrom, E. (1990). Governing the Commons: The Evolution of Institutions for Collective Action. Cambridge: Cambridge University Press.

Cocreación: juntos al calor de una hoguera

Mon, 26 Oct 2026 00:00:00 -0500

En la trastienda de una panadería de barrio, la dueña reúne a dos panaderos, una clienta fiel y el proveedor de harina. No presenta un plan; pregunta: ¿por qué los sábados se acaba el pan a las diez y los martes lo regalamos al cierre? Nadie tiene la respuesta completa: ella conoce las ventas; el proveedor, los plazos; los panaderos, los tiempos del horno; la clienta, el otro lado del mostrador. La respuesta que construyan no será de uno: será de todos.

La escena de la panadería resume la pregunta de esta serie: ¿qué permite crear juntos un valor que nadie produciría solo? La recorreremos en tres entregas: cómo se enciende la cocreación, cuándo el mismo fuego que calienta puede quemar y qué cambia cuando se acercan las inteligencias artificiales.

Primero el problema, después la solución

La palabra se ha vuelto tan popular que corre el riesgo de no significar nada. Una revisión de la literatura de salud pública encontró 248 métodos distintos bajo ese paraguas, y un uso tan intercambiable de los prefijos «co-» que resulta difícil comparar resultados. Conviene empezar por una distinción.

Chris Ansell y Jacob Torfing, dos de los autores más influyentes en gobernanza pública, la definen como un proceso en el que dos o más actores colaboran, idealmente en pie de igualdad, para definir problemas compartidos y diseñar e implementar soluciones innovadoras. El orden importa. Primero se define el problema juntos; después se diseña la respuesta. Quien llega con la solución escrita y pide opiniones no está cocreando: está consultando.

Conviene distinguir dos énfasis. La coproducción reúne a quien presta y quien recibe un servicio para producir algo ya definido: un paciente que sigue un tratamiento o un vecino que separa su basura. La cocreación, en el sentido adoptado aquí, amplía los actores y permite definir qué se quiere crear. En la lógica del servicio de Vargo y Lusch aparece otro énfasis: el valor no se entrega terminado, sino que se cocrea en el uso.

Propongamos una definición de trabajo para la cocreación humana: integrar recursos, saberes y miradas de actores distintos para producir un valor que ninguno lograría por separado y del que todos se sientan, en alguna medida, autores. Esa autoría compartida permite distinguirla aquí de la simple colaboración.

La autoría compartida puede fortalecer la ejecución. Si en la panadería el problema de los sábados está en los horarios de entrega y no en la producción, la respuesta será un acuerdo propio, no una orden de la dueña. Sentirse parte de la solución favorece el compromiso para llevarla a la práctica, donde suelen fracasar las buenas ideas.

La chispa y la leña

¿Cómo empieza? Casi nunca con entusiasmo. Empieza con un problema que nadie resuelve solo. En el sector público, observa Torfing, el motor de la innovación rara vez es la ganancia: son los problemas «perversos», los que no admiten soluciones estándar. En la empresa suele ser una pérdida que no se explica, un cliente que se va, un mercado que cambió sus reglas.

Torfing distingue cuatro momentos: iniciación, diseño, implementación y evaluación. Cuando esta última funciona, lo aprendido en los resultados enciende el siguiente ciclo.

¿Nace de una persona o de un colectivo? De ambos, en secuencia. Alguien enciende la chispa, pero el fuego solo se sostiene si otros traen leña. Una iniciativa individual que no se convierte en práctica colectiva se apaga con su promotor; una práctica colectiva sin quien la convoque nunca llega a encenderse.

Cada experiencia exitosa deja confianza para la siguiente convocatoria; cada fracaso la dificulta. Pensemos en alguien que propone limpiar el parque del barrio un domingo: si solo aparece quien convocó, el parque queda igual y la vecina se desanima; si llegan diez, cambian el parque y la disposición del barrio a participar de nuevo.

Construir el lugar del encuentro

Las organizaciones que cocrean de manera sostenida no dependen del entusiasmo de un líder. Institucionalizan la convocatoria mediante plataformas, rituales y reglas mínimas, lo que Ansell y Torfing llaman gobernanza generativa. Gobernar así no consiste en dirigir la conversación, sino en construir el lugar donde puede ocurrir: espacios físicos y digitales que permiten a actores dispersos encontrarse, escucharse y aprender unos de otros.

La hoguera necesita condiciones, no solo entusiasmo. Chambers y sus colegas identificaron tres al estudiar 32 casos: espacios seguros, diversidad de participantes y capacidad de reencuadrar el problema. A ellas se suma compartir poder. Torfing, Christensen y Sørensen reconocen lo difícil que resulta para los líderes ceder control; hacerlo les permite pasar de mandar a orientar, de dueños del proceso a guardianes de sus condiciones.

En la panadería, ese gesto es pequeño y decisivo: la dueña deja de preguntar «¿les gusta mi idea?» y empieza a preguntar «¿qué problema estamos tratando de resolver juntos?».

La gobernanza generativa busca que el encuentro no dependa del humor de nadie. Puede tomar la forma de un laboratorio público con funcionarios, vecinos y universidades; una asamblea cooperativa con reglas de decisión; o un espacio empresarial periódico donde los clientes tengan voz y equivocarse no se castigue. Cambia el formato, no la intención.

La misma lógica alcanza a comunidades y países. Una política pública diseñada en un escritorio suele chocar con la realidad que pretende cambiar; una construida con quienes la vivirán llega a la ejecución con aliados, no solo con destinatarios. Cuando vecinos, gremios, universidades y funcionarios definen juntos el problema de una cuenca, un distrito o una región, la política gana algo que ningún decreto otorga: personas dispuestas a sostenerla cuando cambia el gobierno.

Quién se atreve a hablar

Ceder el control no basta si nadie se atreve a tomarlo. Si el proveedor es también el principal acreedor del negocio, ¿dirá el panadero más joven que la harina llega tarde? La cultura decide quién se siente autorizado a hablar.

Un experimento con grupos europeos y japoneses lo mostró con claridad: en los grupos japoneses, la presencia de un diseñador profesional generaba una jerarquía que inhibía la participación de los demás, algo que no ocurría en los europeos. En culturas de alta distancia al poder, como buena parte de las latinoamericanas, los colaboradores tienden a callar lo que contradice a sus jefes. Hay matices alentadores: ese efecto se atenúa cuando las personas sienten el apoyo de sus supervisores, y la distancia al poder varía también dentro de cada país.

Por eso un método diseñado para un taller en Copenhague o en Silicon Valley no funciona igual en Lima, en Medellín o en Guadalajara. No porque el método sea malo, sino porque cada terreno tiene su propia física social.

En organizaciones jerárquicas hay una señal temprana fácil de leer: si en la primera reunión solo hablan quienes tienen cargo, el problema no es de método sino de confianza. Y la confianza no se decreta. Se construye mostrando, una y otra vez, que decir lo incómodo no tiene castigo.

El calor y la ceniza

Alrededor de una hoguera, las personas cuentan historias, reparten trabajo y conservan lo aprendido: hacen juntas lo que ninguna haría sola. Cocrear prolonga esa escena. Requiere un problema compartido, alguien que convoque, otros que aporten, un lugar cuidado y disposición para ceder poder y tomar la palabra.

Pero hasta aquí hemos contado la mitad amable de la historia. El mismo fuego que reúne puede arrasar un barrio, y la misma capacidad de crear juntos sirve para fabricar mentiras, enriquecer a unos a costa de otros o sostener a un tirano. En la próxima entrega miraremos de frente esa otra cara: la cocreación del daño, y por qué ningún método, por sí solo, nos protege de ella.

Fuentes

Agnello, D. M., et al. (2025). Co-creation methods for public health research — characteristics, benefits, and challenges: a Health CASCADE scoping review. BMC Medical Research Methodology, 25.
Ansell, C., y Torfing, J. (2021). Co-creation: the new kid on the block in public governance. Policy & Politics, 49(2), 211–230.
A cross-cultural study of co-design: the impact of power distance on group dynamics in Japan. CoDesign, 17(1).
Torfing, J., Christensen, S. L., y Sørensen, E. (2024). When co-creation meets the existing governance paradigms. En Advancing Co-creation in Local Governance.

Dime cómo crees que se aprende y te diré cómo enseñas

Sat, 24 Oct 2026 00:00:00 -0500

Cuando el conocimiento productivo reside cada vez más en máquinas, aprender ya no consiste solo en acumular saber individual. Exige criterio para trabajar con sistemas inteligentes, capacidad para actuar cuando fallan y equipos capaces de aprender más allá de la rotación de sus integrantes.

Esto obliga a revisar cómo enseñamos, dónde instalamos el conocimiento, qué capacidades humanas queremos proteger y quién aprenderá a hacer lo que las máquinas ya hacen.

Todos recordamos a algunos maestros decisivos y olvidamos a muchos otros. Recordamos aún menos cómo adquirimos los hábitos, valores y procedimientos que nos permiten actuar en una comunidad y crear valor. Pero aprender no es simplemente incorporar información: es cambiar. Si una experiencia no modifica lo que comprendemos, decidimos o hacemos, difícilmente puede llamarse aprendizaje. Ese cambio no solo debe aumentar nuestra capacidad de responder a lo que emerge del contexto; también debe ampliar nuestra capacidad de imaginar y cocrear futuros de bienestar personal y organizacional.

Dos supuestos que parecen obvios

En muchas empresas, el aprendizaje se diseña sobre dos ideas poco examinadas: que aprender es acumular conocimientos y que ese proceso ocurre, ante todo, en el cerebro de cada individuo. Ambos supuestos influyen en cómo se conectan talento, productividad y creación de valor. Pero ¿siguen siendo suficientes?

Un artista en la pizzería

Pensemos en un artista que nunca ha preparado una pizza y consigue empleo en una franquicia que no exige experiencia. Puede producirla correctamente porque opera un sistema que contiene recetas, secuencias y criterios de producción. La persona aporta habilidades básicas, atención al cliente y capacidad para responder ante lo imprevisto.

El desempeño no reside por completo en quien trabaja ni en la máquina: emerge de su articulación. Si cientos de locales deben ofrecer resultados similares y los trabajadores rotan con frecuencia, parece razonable incorporar al artefacto el conocimiento de producción y concentrar la formación humana en la relación con el cliente, el juicio y la respuesta ante excepciones.

La lógica se extiende a la IA. En una empresa de software, un asistente generativo elevó en 15 % los casos resueltos por hora por 5.172 agentes de atención al cliente; las mejoras fueron especialmente importantes entre los menos experimentados (Brynjolfsson, Li y Raymond, The Quarterly Journal of Economics, 2025). El sistema acercaba a los novatos los patrones de trabajo de los agentes más capaces.

El conocimiento no desaparece: cambia de ubicación y se distribuye entre personas, procedimientos y artefactos. Estos funcionan como prótesis cognitivas: amplían lo que alguien puede hacer, pero no le transfieren automáticamente el saber que contienen.

Por eso, enseñar debe ir más allá de la acumulación individual. Debe preparar a las personas para comprender la tarea, relacionarse con otros, interactuar con los sistemas y responder ante situaciones inéditas. No se trata de prescindir de ellas, sino de fortalecer lo que el artefacto no garantiza: juicio, responsabilidad, imaginación y capacidad de aprender.

La cuestión no es elegir entre conocimiento humano y conocimiento incorporado en máquinas. Es decidir qué conviene delegar, qué capacidades debemos conservar y cómo evitar que la eficiencia inmediata destruya las condiciones para formar a los expertos del futuro.

Lo que el artefacto no debe llevarse

Delegar conocimiento no debe significar abandonar capacidades humanas. En cuatro centros de endoscopia de Polonia, después de incorporar una IA que señalaba pólipos, la detección de adenomas en colonoscopias realizadas sin la herramienta descendió del 28,4 % al 22,4 % (The Lancet Gastroenterology & Hepatology, 2025). El estudio fue observacional y no demuestra por sí solo una pérdida de habilidades, pero plantea una pregunta crucial: ¿qué debemos conservar para advertir cuándo el sistema se equivoca o para actuar cuando no está disponible?

La IA generativa no ejecuta recetas fijas: trabaja con probabilidades y puede equivocarse con aplomo. Operarla intuitivamente no basta. Mediar exige criterio, y el criterio se forma con conocimiento y práctica.

También aparece un riesgo de largo plazo: si las máquinas absorben las tareas de iniciación, ¿dónde se formarán los expertos de mañana? En Estados Unidos, el empleo de jóvenes de 22 a 25 años en las ocupaciones más expuestas a la IA está 19 % por debajo del de sus pares en ocupaciones menos expuestas, principalmente por una menor contratación (Brynjolfsson, Chandar y Chen, 2026). El dato no prueba una causa única, pero refuerza la alerta: sin oportunidades para practicar, equivocarse y asumir responsabilidades crecientes, no habrá nuevos maestros ni nuevas fuentes de conocimiento para los sistemas.

La respuesta no es volver a la memorización, sino enseñar a mediar con criterio: comprender la tarea, formular buenas preguntas, reconocer límites, contrastar respuestas, saber cuándo desconfiar y conservar la capacidad de actuar sin la herramienta. A la vez, las organizaciones deben preservar trayectorias en las que quienes empiezan puedan observar, practicar y asumir desafíos crecientes.

Cuando el que aprende es el equipo

El desafío cambia de escala cuando el conocimiento debe quedar instalado en un equipo y seguir disponible aunque sus integrantes se renueven. Tampoco una organización aprende si permanece igual: aprende cuando modifica sus conversaciones, decisiones, rutinas, capacidades o formas de crear valor. Ese cambio no puede limitarse a una adaptación más rápida ante presiones externas. Debe habilitar al colectivo para anticipar posibilidades, acordar propósitos y cocrear futuros que favorezcan tanto el bienestar de las personas como la vitalidad de la organización. El aprendizaje organizacional no es la suma de aprendizajes individuales, sino una transformación colectiva que puede conservarse, cuestionarse y evolucionar.

La escala vuelve a cambiar cuando el equipo combina personas y agentes de IA. No es todavía una realidad homogénea: según el Work Trend Index 2025 de Microsoft, el 46 % de los líderes encuestados afirmó que su organización ya utilizaba agentes para automatizar por completo flujos de trabajo o procesos. El dato revela la velocidad de la aspiración corporativa, no necesariamente la madurez de las implantaciones.

El impacto más profundo puede recaer sobre la inteligencia colectiva. La investigación muestra que esta depende menos del talento individual que de la calidad de la interacción (Woolley, Malone y colaboradores, Science, 2010; metaanálisis en PNAS, 2021). La IA puede difundir el saber de los mejores, pero también homogeneizar las respuestas: un experimento encontró relatos individualmente más creativos, aunque más parecidos entre sí, cuando sus autores usaban IA (Doshi y Hauser, Science Advances, 2024). Consultar al mismo oráculo puede elevar el desempeño individual y reducir la diversidad colectiva. Por eso, la inteligencia de un grupo no crece acumulando artefactos, sino cultivando miradas distintas y el diálogo entre ellas.

Lo que toca a quienes dirigen

La gerencia del conocimiento, el aprendizaje en el flujo del trabajo y la organización basada en habilidades son ahora más urgentes. No basta adquirir IA ni impartir cursos: hay que construir un sistema de aprendizaje que convierta la experiencia en cambios observables en la manera de trabajar, decidir y coordinarse. Su propósito no debe ser únicamente reaccionar mejor ante lo inesperado, sino desarrollar la agencia necesaria para imaginar, elegir y construir futuros de bienestar compartido. Esto incluye alfabetizar al personal, definir responsabilidades y conservar espacios de práctica que formen criterio y nuevos expertos.

La pregunta para quienes dirigen ya no es solo qué deben saber sus colaboradores. También deben decidir dónde residirá el conocimiento, qué capacidades humanas no están dispuestos a perder, cómo formarán a los expertos futuros y quién enseñará a aprender a equipos compuestos por personas y agentes. La inteligencia de una organización dependerá menos de cuánto sepan por separado sus integrantes y sus máquinas que de la calidad con que aprendan juntos: no solo para adaptarse a los cambios emergentes, sino para cocrear futuros en los que el bienestar personal y el organizacional se refuercen mutuamente. Diseñar esa relación es, quizá, una de las responsabilidades centrales del liderazgo contemporáneo.

Nota del autor

Estos temas se desarrollan con mayor amplitud en mis libros La Creación de Mundos y El Umbral, disponibles en Kindle.

Una primera versión de este artículo fue publicada por el autor el 24 de noviembre de 2004 en la página web de DKV Group, para distribución entre sus clientes. Aunque en su momento fue una reflexión anticipadora, esta versión ha sido corregida y aumentada en respuesta a la circunstancia actual.

Generaciones Inteligentes

Wed, 16 Sep 2026 00:00:00 -0500

Un directorio se reúne para decidir sobre inteligencia artificial. En la mesa conviven quienes aprendieron a trabajar con archivos físicos, quienes instalaron el primer módem de la empresa, quienes nunca conocieron una oficina sin correo electrónico y quienes llegaron con un asistente conversacional abierto. Todos hablan de datos, productividad, riesgo y clientes, pero no necesariamente significan lo mismo. Este artículo propone una lente práctica para entender cómo seis generaciones pueden transformar esas tensiones en capacidades compartidas para cocrear futuros.

La convivencia de seis cohortes ya no es un dato periférico de la gestión humana: es la condición en la que se ordenan recursos escasos y esfuerzos hacia resultados. Se volvió crítica porque el relevo generacional coincide con tres órdenes tecnológicos en menos de un siglo: analógico, digital y un horizonte cuántico en el que las inteligencias artificiales comienzan a operar como infraestructura. La diferencia decisiva no es cuánta tecnología maneja cada generación, sino dónde aprendió a pensar y qué futuros considera posibles, deseables o evitables.

Conceptos

En este artículo, la inteligencia no se entiende como una cualidad abstracta ni como un atributo fijo, sino como la capacidad de responder a los requerimientos emergentes del entorno. Desde esa perspectiva, cada generación fue inteligente en relación con el mundo que le tocó habitar: desarrolló formas de atención, confianza, aprendizaje y decisión adecuadas a sus condiciones. La fricción aparece cuando respuestas eficaces en un orden se trasladan sin mediación a otro que exige capacidades diferentes.

Conviene una distinción básica: generación no significa grupo de edad. El concepto sociológico lo formalizó Karl Mannheim en El problema de las generaciones (1923), y su aporte fue separar la edad biológica de la posición generacional. Lo que define a una generación no es el año de nacimiento, sino haber atravesado los mismos acontecimientos formativos en el mismo momento de la propia biografía.

Y el acontecimiento formativo no es cualquier hecho histórico: es el que reconfigura el marco de expectativas. Para una cohorte fue la posguerra; para otra, la caída del muro de Berlín; para otra, la irrupción de internet; para la más joven, una pandemia y un asistente de inteligencia artificial en el bolsillo.

Estas etiquetas deben leerse como tendencias, no como diagnósticos individuales. Sus fronteras varían según la fuente, el país y el contexto histórico; además, provienen en gran medida de marcos desarrollados en Estados Unidos y Europa. En América Latina, las crisis económicas, los ciclos políticos y la desigualdad en el acceso tecnológico modifican esas trayectorias. Por eso, las seis cohortes que siguen son referencias operativas para integrar experiencias distintas, no límites universales ni predicciones sobre una persona.

Las seis cohortes

Generación Silenciosa (aprox. 1928–1945): disciplina, deber y memoria institucional formados en un orden plenamente analógico; suele valorar la continuidad, la estabilidad y un futuro construido mediante esfuerzo sostenido e instituciones confiables.

Baby Boomers (aprox. 1946–1964): adaptación digital desde una cultura de crecimiento, jerarquía y trato presencial; tienden a asociar el progreso con movilidad, mérito, expansión y resultados duraderos.

Generación X (aprox. 1965–1980): puente pragmático entre lo analógico e internet; aprendió a gestionar transiciones con autonomía y escepticismo, por lo que suele imaginar el futuro como un terreno que exige adaptación, control y opciones abiertas.

Millennials (aprox. 1981–1996): colaboración en red, propósito, flexibilidad y aprendizaje autónomo; esperan que la tecnología amplíe oportunidades y que el trabajo contribuya tanto al desarrollo personal como al impacto colectivo.

Generación Z (aprox. 1997–2009): hiperconexión, lenguaje visual, pragmatismo y demanda de autenticidad; frente a un futuro percibido como inestable, valora la transparencia, la inclusión, la sostenibilidad y la capacidad de cambiar de rumbo.

Generación Alfa (aprox. 2010–2024): formación temprana en entornos inteligentes y personalizados, todavía sin un perfil laboral consolidado; probablemente esperará una relación fluida con sistemas de inteligencia artificial y verá el futuro menos como una trayectoria predeterminada que como un espacio interactivo que puede configurar.

No son retratos individuales, sino respuestas situadas a acontecimientos y tecnologías diferentes; los límites temporales son referencias aproximadas y pueden variar según la fuente y el contexto.

Modelo: dos curvas superpuestas

Las seis cohortes descritas explican poco por sí solas. Cobran capacidad explicativa cuando se las cruza con la segunda curva: el orden tecnológico dominante en el que cada una fue alfabetizada. Ahí aparece el modelo que interesa a quien administra recursos: cada generación desarrolló respuestas inteligentes a las exigencias de su entorno, y el desafío no es sustituir unas por otras, sino reconocer cuándo siguen siendo pertinentes y cómo combinarlas ante requerimientos nuevos.

La sociedad analógica organizó la productividad alrededor de soportes físicos, información escasa y autoridad asociada a la experiencia. La digital volvió abundante la información y desplazó el valor hacia su circulación y procesamiento, debilitando la equivalencia entre antigüedad y autoridad. El horizonte cuántico añade una exigencia distinta: convivir con resultados probabilísticos, información sintética y decisiones cuya procedencia puede ser difícil de verificar. No son solo tres conjuntos de herramientas, sino tres maneras de definir evidencia, confianza y acción.

La fricción intergeneracional rara vez expresa un problema de actitud o de mayor o menor inteligencia. Surge cuando respuestas eficaces en condiciones distintas discrepan sobre qué prueba basta para actuar. Reconocer ese desajuste permite combinar capacidades y ampliar la perspectiva. En una carta a Robert Hooke de 1675, Isaac Newton escribió: «Si he visto más lejos, es por estar a hombros de gigantes». Aplicada a la organización, la imagen sugiere que cada cohorte mira desde la experiencia acumulada por las anteriores y añade capacidades nacidas de su propio entorno. Cocrear futuros es construir esa altura común.

La bifurcación: superinteligencia capturadora o hiperinteligencia mediadora

La inteligencia artificial abre dos rutas. En la superinteligencia capturadora, datos, cómputo y capacidad de decisión se concentran: actúa sin límites éticos, el usuario recibe resultados sin poder interrogar el criterio que los produjo. En la hiperinteligencia mediadora¹, la tecnología amplía la deliberación colectiva: traduce lenguajes, explicita supuestos y muestra alternativas en lugar de imponer una respuesta; la participación humana establece un camino, muchas veces sin mapas, pero con límites éticos. La primera vuelve prescindible el conocimiento distribuido; la segunda lo convierte en infraestructura para cocrear futuros. Esta última exige regulación, trazabilidad y acceso real al cómputo.

Las dos rutas distribuyen efectos distintos. Para las generaciones mayores, la capturadora convierte la memoria institucional en obsolescencia; la mediadora la recupera como conocimiento que no siempre está en los datos. Para la Generación X y los Millennials, la primera vacía oficios de análisis y coordinación; la segunda los vuelve traductores entre órdenes. Para la Generación Z y la Alfa, la diferencia es de autonomía cognitiva: recibir respuestas cerradas o aprender a formular preguntas, sostener hipótesis y decidir sin certeza.

Cocrear futuros no significa acordar una predicción única. Significa ampliar el conjunto de alternativas que una organización puede imaginar, hacer visibles quiénes se benefician y quiénes asumen los riesgos en cada una, y conservar la capacidad de corregir el rumbo. Bajo este criterio, una inteligencia artificial aporta valor no solo cuando acelera una respuesta, sino cuando mejora la calidad y la pluralidad de las opciones que el colectivo puede considerar.

Lo que esto le exige a la gerencia

La tarea gerencial no consiste solo en adoptar inteligencia artificial, sino en diseñar quién participa en la definición de los futuros de la organización. Para cada decisión debe hacer explícitos cuatro elementos: qué evidencia aceptará, qué incertidumbre enfrenta, qué perspectivas necesita traducir y qué formas de confianza conviene preservar fuera de la tecnología. El principio es simple: asignar responsabilidades según la naturaleza del problema y diseñar la participación antes de elegir la herramienta.

Cierre

Cuando el orden tecnológico se transforma varias veces en una sola vida laboral, la distancia entre cohortes deja de ser únicamente cultural y se vuelve operativa: personas que comparten oficina, objetivos y vocabulario pueden decidir con reglas de evidencia incompatibles. La organización que reconoce esa diferencia puede convertirla en una capacidad colectiva para imaginar alternativas, revisar supuestos y corregir el rumbo.

La inteligencia artificial ya llegó por capas: redacta informes, reemplaza algunos ensayos mediante simulación y obliga a revisar la infraestructura de confianza digital. El futuro que ayudará a producir, sin embargo, no está decidido. Las organizaciones que atraviesen mejor este tránsito no serán las más jóvenes ni las más experimentadas, sino las que hagan explícito cómo deciden y quién puede participar. La pregunta final es concreta: ¿estamos instalando un sistema que decide por nosotros o una infraestructura que nos permite decidir mejor juntos?

El concepto de hiperinteligencia, entendido como inteligencia colectiva fortalecida por aplicaciones de inteligencia artificial mediadora, ha sido desarrollado y propuesto por el autor en sus libros La Sociedad Hiperinteligente y La Soberanía Colectiva, disponibles en Kindle. ↩︎

Pequeños mundos

Sun, 05 Jul 2026 00:00:00 -0500

La teoría de los “pequeños mundos” muestra que una red puede ser inmensa, dispersa y aparentemente fragmentada, pero aun así funcionar como un sistema sorprendentemente cercano. Esta idea ayuda a entender tanto las redes sociales digitales y las empresas distribuidas globalmente como las formas de organización ciudadana que emergen cuando una crisis natural supera —o desnuda— la capacidad de respuesta del Estado.

1. La intuición del “mundo pequeño”

Una red de mundo pequeño es una estructura de redes donde la mayoría de los nodos no están conectados directamente, pero pueden alcanzarse entre sí mediante pocos intermediarios. En términos simples: no todos se conocen, pero casi todos están a pocos pasos de todos. Esta intuición aparece en los experimentos de Stanley Milgram sobre el “problema del mundo pequeño” y fue formalizada matemáticamente por Duncan J. Watts y Steven H. Strogatz en su artículo de 1998, “Collective dynamics of ‘small-world’ networks”, publicado en Nature. Allí mostraron que muchas redes reales no son completamente ordenadas ni totalmente aleatorias, sino una mezcla productiva de ambas: tienen comunidades densas y, al mismo tiempo, algunos enlaces de largo alcance que acortan dramáticamente las distancias.

Alto agrupamiento local: las personas, equipos o unidades tienden a formar comunidades cercanas, con muchos vínculos internos.
Caminos cortos entre nodos distantes: unos pocos vínculos estratégicos conectan comunidades que, de otro modo, quedarían separadas.

Ejemplos clásicos de estas redes son las redes sociales, ilustradas por el experimento de Milgram sobre los “seis grados de separación” o el juego de Kevin Bacon; las redes biológicas, como la red neuronal del gusano C. elegans; y las infraestructuras, como las redes de carreteras, la red eléctrica o la propia estructura de enlaces de la World Wide Web.

2. Qué revela en el análisis de redes sociales

En el análisis de redes sociales, el concepto permite ir más allá de la cantidad de contactos. Lo relevante no es solo cuántas conexiones tiene un actor, sino qué posición ocupa dentro de la red. Un nodo puede no ser el más popular, pero sí ser decisivo si conecta dos comunidades que rara vez interactúan. Allí aparece la figura del puente: personas, equipos o instituciones que reducen la distancia entre grupos y permiten que circule información, confianza, innovación o influencia.

Esta perspectiva es especialmente útil para estudiar fenómenos como la difusión de ideas, la propagación de rumores, la viralidad de contenidos, la colaboración científica, la adopción de tecnologías o la formación de comunidades profesionales. Una red con propiedades de mundo pequeño puede difundir rápidamente información porque combina confianza local con accesos remotos: el mensaje nace en un grupo cercano, pero salta hacia otros grupos mediante enlaces no redundantes.

La literatura sobre redes sociales complementa esta mirada con dos ideas clave. Mark Granovetter mostró en “The Strength of Weak Ties” que los vínculos débiles pueden ser más importantes que los vínculos fuertes para conectar mundos sociales separados y facilitar la circulación de información. Ronald S. Burt, por su parte, desarrolló la noción de “agujeros estructurales”: espacios entre grupos desconectados que pueden ser aprovechados por actores que funcionan como intermediarios. Ambas ideas ayudan a explicar por qué los puentes entre comunidades son tan valiosos en redes sociales y organizacionales.

3. Empresas como redes de pequeños mundos

Las empresas multinacionales, las plataformas digitales, las cadenas globales de suministro y las organizaciones con oficinas, centros logísticos o unidades de negocio distribuidas funcionan cada vez más como redes. Cada sede, planta, equipo comercial, centro de innovación, proveedor crítico o socio local puede entenderse como un nodo. Las conexiones entre ellos representan flujos de información, decisiones, capital, talento, datos, productos o conocimiento operativo.

En este contexto, la lógica de mundo pequeño ofrece una respuesta a un problema central: ¿cómo mantener coordinación global sin destruir la autonomía local? Una organización demasiado centralizada vuelve lentos los flujos de decisión; una organización demasiado fragmentada pierde coherencia estratégica. El diseño de pequeños mundos busca un punto intermedio: clusters locales fuertes, conectados por enlaces transversales capaces de mover información y coordinación a escala planetaria.

4. Cómo se aplica en la práctica organizacional

Mapeo de nodos críticos: identificar unidades, personas o equipos que conectan regiones, mercados o funciones de negocio.
Diseño de puentes transversales: crear roles, comunidades de práctica, equipos globales o mecanismos de coordinación que conecten clusters locales.
Gestión del conocimiento: acelerar la circulación de aprendizajes desde un mercado hacia otros sin depender únicamente de la jerarquía formal.
Resiliencia operativa: detectar cuellos de botella y evitar que la desconexión de un nodo crítico paralice la red completa.
Innovación distribuida: permitir que ideas surgidas en nodos periféricos lleguen rápidamente a centros de decisión o a otros mercados donde puedan escalarse.

5. La ventaja estratégica: cercanía sin proximidad física

La promesa de los pequeños mundos en la empresa global es convertir distancia geográfica en cercanía funcional. Una compañía puede tener nodos en Asia, Europa, América Latina y Norteamérica, pero si sus vínculos están bien diseñados, el conocimiento no necesita recorrer toda la cadena jerárquica para llegar a destino. Puede viajar por atajos organizacionales: líderes puente, sistemas compartidos, redes informales, equipos regionales conectados y rutinas de colaboración.

Pero también existe un riesgo: no todo atajo mejora la red. Si los enlaces transversales se concentran en pocas personas, la organización se vuelve vulnerable a la sobrecarga, la dependencia informal y la pérdida de conocimiento cuando esos actores salen. Por eso, aplicar esta lógica no significa simplemente conectar más, sino conectar mejor: crear vínculos redundantes cuando la resiliencia lo exige y vínculos selectivos cuando la eficiencia es prioritaria.

Esta tensión también aparece en estudios sobre colaboración creativa. Brian Uzzi y Jarrett Spiro analizaron redes de colaboración en musicales de Broadway y encontraron que las propiedades de mundo pequeño podían mejorar el desempeño creativo hasta cierto punto, pero que un exceso de cierre o conectividad podía revertir esos beneficios. Para las empresas globales, la lección es clara: las redes más efectivas no son necesariamente las más conectadas, sino las que equilibran diversidad, confianza local y puentes entre comunidades.

6. Pequeños mundos en situaciones de desastre: La Guaira después del doble terremoto de 2026

La misma lógica permite leer las formas de organización emergente que aparecen ante desastres naturales. La Guaira —antiguo estado Vargas— concentra una memoria traumática de vulnerabilidad territorial: en diciembre de 1999, lluvias extraordinarias provocaron deslaves, inundaciones y flujos de escombros que destruyeron comunidades enteras. Pero esa memoria volvió a activarse de manera brutal el 24 de junio de 2026, cuando dos terremotos consecutivos de magnitud 7,2 y 7,5 sacudieron el norte de Venezuela con apenas segundos de diferencia. Reportes de OCHA y ACNUR señalaron que La Guaira y el área metropolitana de Caracas estuvieron entre las zonas más afectadas, con miles de muertos y heridos, infraestructura dañada, familias desplazadas y servicios esenciales interrumpidos. La Guaira fue declarada zona de desastre, con daños especialmente severos en sectores como Catia La Mar y Caraballeda.

El desastre también puso en evidencia una tensión política mayor: incluso bajo un esquema de gobierno interino con fuerte acompañamiento internacional y asistencia de Estados Unidos, la respuesta estatal mostró límites severos para coordinar rescate, alojamiento temporal, atención sanitaria, información pública y reconstrucción temprana. Las fuentes humanitarias describieron refugios improvisados que no siempre cumplían estándares mínimos de protección, daños en hospitales, interrupciones en agua, electricidad, telecomunicaciones y transporte, y dificultades para acceder a zonas afectadas. En ese vacío operativo, la pregunta central dejó de ser solo cuánta ayuda llegaba desde arriba o desde afuera, y pasó a ser cómo se conectaban, en tiempo real, los nodos capaces de convertir recursos dispersos en acción efectiva.

Cuando la capacidad gubernamental se ve desbordada, la respuesta social tiende a organizarse como una red de pequeños mundos. Familias, vecinos, parroquias, médicos, transportistas, radios locales, organizaciones humanitarias, migrantes, empresas, universidades y grupos de voluntariado forman clusters de confianza inmediata. En La Guaira, esos clusters no necesitan esperar una arquitectura jerárquica perfecta para actuar: comienzan con vínculos cercanos, conocimiento del territorio y urgencias concretas. Luego, algunos nodos funcionan como puentes hacia otros mundos: conectan una comunidad aislada con una ONG, un albergue con una red de donantes, una familia desplazada con información sobre transporte, o una necesidad médica local con profesionales ubicados en otra ciudad o país.

Aquí el concepto de mundo pequeño deja de ser una curiosidad matemática y se vuelve una hipótesis política y organizacional: en contextos de fragilidad institucional, la resiliencia depende de la capacidad de producir atajos sociales confiables. Esos atajos reducen la distancia entre quien necesita ayuda y quien puede proveerla. La ayuda no fluye únicamente desde el centro hacia la periferia; también circula lateralmente, de barrio a barrio, de diáspora a territorio, de comunidad profesional a comunidad afectada, de redes digitales a acciones presenciales.

En este sentido, el doble terremoto de 2026 permite observar una paradoja de la ayuda internacional. La presencia de actores externos puede aportar capacidades críticas —equipos de búsqueda y rescate, insumos médicos, imágenes satelitales, financiamiento humanitario, logística—, pero no sustituye la capilaridad de las redes locales. Sin nodos comunitarios confiables, la ayuda puede quedar detenida en centros de acopio, corredores logísticos o estructuras burocráticas. Con nodos puente bien articulados, en cambio, una donación, un dato satelital, una brigada médica o una lista de desaparecidos pueden viajar desde una escala global hasta una calle específica, una iglesia habilitada como refugio o una familia atrapada en una zona incomunicada.

La dimensión global aparece cuando esos pequeños mundos locales se enlazan con redes transnacionales. Una comunidad afectada puede estar físicamente aislada, pero socialmente conectada con migrantes, expertos, periodistas, científicos, donantes y organizaciones internacionales. En ese punto, la red ciudadana empieza a parecerse a una empresa distribuida: tiene nodos en distintos países, opera con información incompleta, coordina recursos escasos y necesita crear confianza a distancia. La diferencia es que su objetivo no es la eficiencia económica, sino la supervivencia, la reparación y la reconstrucción del tejido social.

Por eso, analizar desastres desde la teoría de redes permite ver algo que suele quedar oculto en las narrativas centradas solo en el Estado: la sociedad no es una masa pasiva que espera asistencia. Es una infraestructura relacional. Su capacidad de respuesta depende de la densidad de sus vínculos locales, de la existencia de puentes hacia otras comunidades y de la posibilidad de transformar información dispersa en coordinación práctica.

7. Una nueva forma de mirar la arquitectura organizacional

Pensar una empresa, una comunidad o una red de ayuda como un pequeño mundo cambia la pregunta organizacional. Ya no se trata solo de organigramas, protocolos o líneas jerárquicas, sino de caminos, intermediarios, comunidades, puentes y flujos. La organización efectiva no es necesariamente la que tiene más conexiones, sino la que logra que sus nodos relevantes estén a pocos pasos entre sí sin perder la riqueza de sus comunidades locales.

En un mundo empresarial y ciudadano distribuido, donde los nodos de negocio, cuidado, conocimiento y solidaridad están repartidos por el planeta, la teoría de los pequeños mundos ofrece una imagen poderosa: la escala global no tiene por qué implicar distancia organizacional. Con los puentes adecuados, una red puede ser extensa, diversa y localizada, pero al mismo tiempo ágil, conectada y capaz de aprender a velocidad global.

Fuentes

Milgram, Stanley. “The Small World Problem”. Psychology Today, 1967. Punto de partida empírico de la intuición de los pocos grados de separación en redes sociales.
Granovetter, Mark S. “The Strength of Weak Ties”. American Journal of Sociology, 1973. Texto clásico para entender cómo los vínculos débiles conectan comunidades y facilitan difusión de información.
Watts, Duncan J. y Strogatz, Steven H. “Collective dynamics of ‘small-world’ networks”. Nature, 1998. Artículo fundacional del modelo formal de redes de mundo pequeño.
Burt, Ronald S. Structural Holes: The Social Structure of Competition. Harvard University Press, 1992. Obra clave sobre intermediación, capital social y ventajas derivadas de conectar grupos desconectados.
Uzzi, Brian y Spiro, Jarrett. “Collaboration and Creativity: The Small World Problem”. American Journal of Sociology, 2005. Estudio aplicado sobre colaboración creativa y desempeño en redes con estructura de mundo pequeño.
Wieczorek, G. F.; Larsen, M. C.; Eaton, L. S.; Morgan, B. A.; y Blair, J. L. Debris-flow and flooding hazards associated with the December 1999 storm in coastal Venezuela and strategies for mitigation. U.S. Geological Survey, 2001. Referencia técnica sobre los deslaves e inundaciones de Vargas/La Guaira.
U.S. Geological Survey. “M 7.5 - 28 km SE of Yumare, Venezuela”. 2026. Ficha técnica del evento principal del doblete sísmico del 24 de junio de 2026, con magnitud, profundidad, evaluación PAGER y advertencias sobre réplicas y daños probables.
OCHA. “Venezuela: Earthquakes June 2026 – Situation Snapshot”. 2026. Panorama humanitario sobre el impacto del doble terremoto, población expuesta, zonas afectadas, daños en La Guaira y Caracas, y evolución de réplicas.
ACNUR. “Venezuela Earthquake Emergency Update 24–29 June 2026”. 2026. Actualización sobre personas fallecidas, heridas y afectadas, daños en infraestructura, albergues temporales, protección y necesidades humanitarias posteriores al terremoto.
NASA Disasters Program. Evaluaciones preliminares con imágenes satelitales posteriores al doble terremoto de Venezuela de junio de 2026. Estimaciones iniciales de daños estructurales usadas para apoyar el análisis de impacto y priorización de respuesta.
Genatios, Carlos; y Lafuente, Marianela. “Lluvias torrenciales en Vargas, Venezuela, en diciembre de 1999: protección ambiental y recuperación urbana”. Boletín Técnico IMME, 2003. Análisis venezolano sobre consecuencias, recuperación urbana y lineamientos de mitigación.
International Federation of Red Cross and Red Crescent Societies. Venezuela: Floods Appeal No. 35/99, Situation Report No. 10, 2000. Informe sobre la operación de asistencia, evacuaciones, albergues y fortalecimiento de capacidades de respuesta humanitaria.
Chen, Yingxin; Zhang, Jing; Tadikamalla, Pandu R.; y Zhou, Lei. “The Mechanism of Social Organization Participation in Natural Hazards Emergency Relief: A Case Study Based on the Social Network Analysis”. International Journal of Environmental Research and Public Health, 2019. Estudio sobre redes de cooperación entre gobierno y organizaciones sociales en emergencias.
Song, Zhijun; Zhang, Hui; y Dolan, Chris. “Promoting Disaster Resilience: Operation Mechanisms and Self-Organizing Processes of Crowdsourcing”. Sustainability, 2020. Trabajo sobre autoorganización, participación pública y plataformas colaborativas en gobernanza de desastres.

El vuelo creador

Mon, 08 Jun 2026 00:00:00 -0500

Al atardecer, sobre los campos, miles de estorninos dibujan en el cielo una figura que late, se estira y gira como si fuera un solo animal. La forma es tan precisa que cuesta creer que nadie la dirija. Y, sin embargo, nadie lo hace. Ningún pájaro lleva la batuta. Cada estornino sigue tres o cuatro reglas simples: no alejarse demasiado de sus vecinos, no chocar, girar cuando los otros giran. De esa atención local, repetida miles de veces por segundo, nace una coreografía que nadie diseñó y que, sin embargo, funciona. Los biólogos la llaman murmuración. Yo la tomo como una de las mejores imágenes para entender cómo se crea valor cuando las personas actúan juntas a pesar de sus diferencias.

El director que no existe

Durante mucho tiempo pensamos las organizaciones como si fueran orquestas: arriba, un director con la partitura; abajo, músicos que ejecutan instrucciones. Bajo esa imagen, el valor se producía en el centro y luego se entregaba al cliente como quien entrega un paquete. Pero muchas de las cosas más valiosas que hoy hacen las empresas no funcionan así. No se limitan a producir y entregar: se cocrean. Una plataforma vale por lo que millones de personas hacen con ella. Una marca vale también por las historias, los usos y los significados que otros le atribuyen. El valor no está solo en lo que una organización fabrica. Aparece en el uso, en la relación, en el encuentro entre quien ofrece y quien recibe.

Si esto es así, la pregunta importante deja de ser «¿quién manda?» y pasa a ser otra: «¿cómo aparece el orden cuando nadie lo impone desde arriba?». Aquí la naturaleza ofrece una pista muy útil. El físico alemán Hermann Haken estudió un fenómeno tan extraño como revelador: el láser. En una bombilla común, los átomos emiten luz cada uno por su lado, y el resultado es una claridad dispersa. Pero cuando la energía supera cierto umbral, esos mismos átomos empiezan a comportarse de manera coordinada y producen un haz coherente. Nadie les dio una orden. El orden surgió de la interacción. Esa idea, que parece lejana, ayuda mucho a pensar equipos, organizaciones y procesos de cocreación.

Haken llamó sinergética a este tipo de fenómenos. La palabra suena técnica, pero la idea es sencilla: cuando muchas partes interactúan con intensidad, puede aparecer un orden común que antes no existía. Ese orden no elimina a las partes; las orienta. En el lenguaje de Haken, se expresa en unos pocos parámetros de orden, es decir, rasgos estables que guían al conjunto. Dicho sin jerga: es como si la bandada encontrara una dirección compartida de vuelo. Ningún pájaro la decreta, pero una vez que aparece, todos se orientan con respecto a ella. Esa es la intuición decisiva: las partes crean el orden y, una vez creado, ese orden ayuda a coordinar a las partes.

El miedo a disolverse en el grupo

Aquí aparece la objeción que a muchos incomoda. Si el grupo se coordina cada vez más, ¿no terminaremos todos pareciéndonos demasiado? ¿No acabaremos convertidos en piezas intercambiables de una máquina demasiado afinada? La inquietud es legítima. Y hasta el propio lenguaje técnico puede empeorarla. Haken hablaba de cómo el orden «somete» ciertas conductas del sistema, una formulación más dura de lo necesario. Pero el fenómeno real, mirado de cerca, cuenta otra historia.

La bandada de estorninos muestra, en realidad, lo contrario: coordinarse no es borrarse. Para volar juntos, los pájaros solo necesitan compartir unas pocas referencias: hacia dónde giran, qué distancia guardan, cómo evitan el choque. Eso es lo común. Todo lo demás sigue abierto: el aleteo de cada uno, su posición exacta, sus microajustes de cada instante. En otras palabras, cuando el acuerdo se concentra en lo esencial, se libera espacio para la diferencia. El orden compartido no aplasta la individualidad; la vuelve compatible con la acción conjunta.

Eso se ve con claridad en los equipos que funcionan bien. Lo que comparten suele ser poco, pero decisivo: un propósito claro, algunas reglas simples y un lenguaje común para entenderse. Sobre esa base, cada persona aporta algo distinto: experiencia, criterio, creatividad, una manera propia de resolver problemas. Ahí aparece una de las ventajas más importantes de la acción conjunta cocreadora: no exige que todos hagan lo mismo, sino que permite que aportes diferentes produzcan un resultado mejor que la suma de esfuerzos aislados. Los equipos se empobrecen no cuando coordinan demasiado, sino cuando quieren estandarizarlo todo y sofocan, justamente, aquello singular que generaba valor.

Murray Gell-Mann, uno de los grandes pensadores de la complejidad, miró este asunto desde otro ángulo. Decía que las personas y los grupos funcionan como sistemas que aprenden: observan lo que ocurre, detectan patrones, se forman una idea de cómo funciona el mundo y la corrigen cuando la experiencia los desmiente. A ese mapa mental lo llamó esquema. ¿Qué aporta esto a nuestro tema? Algo decisivo: cuanto más rica es la interacción dentro de un grupo, más información y más perspectivas tiene cada integrante para revisar su propio mapa. Un entorno complejo no obliga a todos a parecerse. Puede, por el contrario, ampliar las posibilidades de que cada uno encuentre una manera propia y valiosa de contribuir.

Del equipo al país

Si esto vale para una bandada, un equipo y una empresa, ¿por qué detenernos ahí? Un mercado, una ciudad o una sociedad entera también pueden entenderse como formas de coordinación entre miles o millones de actores. Lo que las orienta no siempre es una orden central, sino un entramado de reglas, hábitos, expectativas y acuerdos tácitos que vuelve la vida en común más o menos predecible. A eso solemos llamarlo instituciones. Y, como ocurre con la bandada, esas instituciones no bajan intactas desde un cielo lejano: se producen, se sostienen y se corrigen en la práctica. El caso del Perú lo muestra con claridad. En apenas una década, el país ha tenido ocho presidentes, una cifra que haría pensar en un desorden incapaz de sostener nada. Sin embargo, incluso con altos niveles de informalidad, la sociedad ha conservado una notable estabilidad macroeconómica. ¿Por qué? Porque, por debajo del ruido político, han permanecido ciertos marcos compartidos: la disciplina fiscal, la autonomía del Banco Central y la continuidad de reglas macroeconómicas básicas. No resolvieron todos los problemas, ni mucho menos, pero sí ofrecieron una base común capaz de coordinar expectativas y sostener un orden económico relativamente estable.

Visto así, incluso la idea de contrato social cambia de tono. En lugar de imaginarlo como un pacto cerrado de una vez y para siempre, podemos verlo como una construcción continua: una forma compartida de coordinar la vida en común. En términos técnicos, sería un parámetro de orden social; en términos cotidianos, una melodía cívica que vamos reescribiendo entre todos. No es algo que un gobierno entrega y la ciudadanía recibe pasivamente. Se forma, se sostiene y se corrige en la práctica diaria, en miles de interacciones donde también se cocrea valor público.

Como distintas parvadas pueden coincidir en un mismo espacio de vuelo o de alimento sin anularse, también grupos humanos con diferencias ideológicas pueden convivir si respetan el derecho ajeno y los marcos que hacen posible la vida en común. La libertad y la justicia no eliminan el conflicto, pero sí trazan los límites dentro de los cuales ese conflicto puede ser legítimo y fecundo.

Algo parecido puede observarse, en condiciones mucho más duras, en las oleadas de migrantes que huyen de situaciones degradantes y trágicas. Quienes atraviesan mares, desiertos o selvas en busca de un destino mejor rara vez cuentan con una autoridad única que organice cada paso. Y, sin embargo, en medio del riesgo aparecen formas de coordinación: redes de información, cadenas de ayuda, decisiones colectivas sobre rutas, tiempos y recursos. No se trata de idealizar ese sufrimiento, sino de reconocer una verdad humana elemental: incluso bajo presión extrema, los grupos buscan reglas mínimas para avanzar juntos. La autoorganización no borra el dolor del trayecto, pero ayuda a explicar cómo personas expuestas a una enorme vulnerabilidad logran, aun así, construir cierto orden en medio del caos.

La sinergética también ayuda a entender por qué ese orden compartido a veces cambia. Mientras las condiciones se mantienen, la coordinación puede sostenerse durante mucho tiempo. Pero cuando llega una sacudida fuerte —una crisis, una innovación decisiva, un relevo generacional—, las reglas que antes organizaban bien al conjunto pueden dejar de servir. Entonces el sistema busca otra forma de coordinarse. Los físicos llaman a eso transición de fase: un cambio cualitativo en la manera de organizarse. En la vida social ocurre algo parecido. Los grandes cambios no siempre nacen de una orden central. Muchas veces emergen desde abajo, cuando la interacción acumulada encuentra una forma nueva, más estable o viable de producir orden.

La misma advertencia vale a esta escala. Un pacto social sano concentra en pocas cosas compartidas —derechos básicos, reglas de convivencia, un lenguaje común de lo justo— la coordinación imprescindible, y deja libre todo lo demás para que florezcan muchas maneras distintas de vivir. En cambio, cuando una sociedad pretende regularlo todo y sofoca la iniciativa de sus miembros, se vuelve rígida y frágil. En la sociedad, como en la bandada, el exceso de control no produce más orden: produce un orden menos vivo y, por eso mismo, menos resistente.

Coda

La próxima vez que vea esa nube viva de pájaros doblándose sobre el horizonte, recuerde que no está mirando obediencia, sino algo más raro y fértil: coordinación sin uniformidad. Cada estornino sigue siendo plenamente un estornino y, justamente por eso, la bandada puede moverse como un todo. Esa es también una buena manera de entender la acción conjunta cocreadora. Su ventaja no consiste en borrar diferencias, sino en volverlas productivas bajo un marco compartido. En un equipo, en una empresa o en un país, crear valor no es alinear a todos hasta volverlos idénticos. Es encontrar una base común lo bastante clara para actuar juntos y lo bastante abierta para que cada uno aporte lo mejor de sí. Nadie dirige la bandada. Y, sin embargo, vuela.

Cruzando el umbral organizacional

Fri, 27 Mar 2026 00:00:00 -0500

Arq. MBA Eleodoro Ventocilla Cuadros

Resumen

Las organizaciones contemporáneas enfrentan un contexto caracterizado por aceleración exponencial, hiperconectividad y complejidad sistémica. Los modelos organizacionales tradicionales, diseñados bajo supuestos de estabilidad y control jerárquico, muestran crecientes limitaciones para operar en entornos dinámicos e inciertos (Anderson, 1999; Brown y Eisenhardt, 1997; Uotila y Morrell, 2025).

Este artículo propone un marco conceptual para el tránsito de las organizaciones tradicionales a organizaciones basadas en Agentes de Inteligencia Artificial (AIA), situadas en la condición emergente de la Hiperinteligencia y en el tránsito conceptual denominado El Umbral por el autor (Ventocilla Cuadros, 2025, 2026).

El principal aporte del artículo es conceptualizar a los Agentes de Inteligencia Artificial como actores organizacionales, proponiendo una arquitectura cognitiva que reconfigura gobernanza, roles humanos y capacidad evolutiva.

Se argumenta que dicha transformación no constituye una simple adopción tecnológica, sino una reconfiguración profunda de la arquitectura cognitiva, la gobernanza y el rol humano en la organización (Hutchins, 1995; Batool et al., 2025; Floridi et al., 2018).

Finalmente, se presenta una ruta crítica de desarrollo organizacional, entendida como proceso evolutivo orientado a la perdurabilidad.

Palabras clave: Hiperinteligencia, Agentes de Inteligencia Artificial, transformación organizacional, complejidad, gobernanza, El Umbral.

1. Introducción: el agotamiento del modelo organizacional tradicional

Las organizaciones que dominan el paisaje institucional actual —empresas, organismos públicos y organizaciones sociales— no están fallando en términos operativos; funcionan de acuerdo con los principios para los cuales fueron diseñadas. El problema radica en que dichos principios responden a un mundo que ha dejado de existir.

Desde la teoría de la complejidad aplicada a las organizaciones, se reconoce que los sistemas organizacionales exhiben comportamientos no lineales y patrones emergentes difíciles de gobernar mediante control centralizado (Anderson, 1999). En entornos de alta velocidad, la capacidad de sostener cambio continuo suele requerir equilibrios entre estructura y flexibilidad —“semiestructuras”— y mecanismos que enlacen presente y futuro en ciclos rítmicos de transición (Brown y Eisenhardt, 1997).

En esta perspectiva, la crisis que enfrentan las organizaciones no es principalmente de eficiencia, sino de inteligencia organizacional: de su habilidad para percibir, interpretar, anticipar y actuar en condiciones de complejidad.

Este escenario marca el cruce de El Umbral: un punto de no retorno donde el pasado ya no explica el futuro y se vuelve imprescindible diseñar nuevas formas de organización capaces de aprender, adaptarse y evolucionar (Ventocilla Cuadros, 2025).

2. Hiperinteligencia como nueva condición sistémica

La Hiperinteligencia no puede entenderse como una mera intensificación de la inteligencia artificial; se describe más adecuadamente como una condición sistémica emergente producto de la integración dinámica de múltiples inteligencias: humana, artificial, colectiva y distribuida en redes sociotécnicas (Ventocilla Cuadros, 2025).

Una visión compatible proviene de la noción de cognición distribuida, según la cual procesos cognitivos relevantes no se localizan únicamente en individuos, sino que se distribuyen entre personas, artefactos y prácticas situadas (Hutchins, 1995).

En escenarios contemporáneos, tecnologías avanzadas (incluyendo IA) amplifican la descarga cognitiva (offloading) y reconfiguran el reparto de tareas mentales entre agentes humanos y soportes técnicos, con beneficios de desempeño y riesgos sobre habilidades y dependencia (Grinschgl y Neubauer, 2022).

Asimismo, trabajos recientes subrayan que, aun con IA en entornos organizacionales, la inteligencia se expresa como capacidad colectiva y culturalmente mediada, no como atributo exclusivo de personas o de máquinas (Pasquinelli et al., 2024).

En sistemas hiperinteligentes, la organización deja de ser una estructura mecánica para comportarse como un sistema cognitivo complejo. Esta transición es consistente con enfoques de diseño organizacional que señalan la necesidad de estrategias específicas para operar en mundos complejos e inestables (Meissner et al., 2024; Uotila y Morrell, 2025).

Si la Hiperinteligencia describe la nueva condición sistémica, los Agentes de IA constituyen su materialización operativa dentro de las organizaciones.

3. Agentes de Inteligencia Artificial como actores organizacionales

En el marco de esta condición emergente, los Agentes de Inteligencia Artificial (AIA) representan un quiebre respecto de la concepción tradicional de la tecnología como herramienta pasiva. En la literatura clásica de agentes y sistemas multiagente, un agente se entiende como una entidad autónoma capaz de percibir su entorno y actuar en función de objetivos, en interacción con otros agentes y restricciones del medio (Wooldridge, 2009).

Desde la tradición de IA, la noción de “agente inteligente” también se define por su capacidad de seleccionar acciones según percepciones y medidas de desempeño, incluyendo escenarios multiagente (Russell y Norvig, 2021).

La incorporación de AIA implica que la inteligencia deja de estar concentrada exclusivamente en las personas. Los AIA se convierten en actores cognitivos organizacionales, participando en procesos de análisis, decisión y acción, lo que redistribuye la inteligencia dentro del sistema organizacional.

Esta redistribución es consistente con hallazgos sobre automatización como cognición distribuida en organizaciones de trabajo del conocimiento, donde se vuelve crítica la asignación de tareas entre humanos y automatización y la gestión del conocimiento colectivo para mitigar la descalificación (Asatiani et al., 2019).

4. De la jerarquía al sistema cognitivo distribuido

Las organizaciones tradicionales se estructuran en torno a jerarquías, control y centralización de decisiones. Sin embargo, estos mecanismos no escalan adecuadamente en contextos de alta complejidad.

La teoría de complejidad organizacional sostiene que la dirección estratégica en sistemas complejos se aproxima mejor como configuración de condiciones y “paisajes de aptitud” donde soluciones autoorganizadas pueden emerger (Anderson, 1999).

En contraste, las organizaciones basadas en agentes operan como redes cognitivas distribuidas, donde múltiples agentes especializados interactúan entre sí y con las personas. La coordinación se logra mediante orquestación, no mediante control.

Este enfoque dialoga con la idea de cambio continuo: sostener adaptación exige estructuras mínimas que habiliten improvisación, exploración mediante “pruebas” de bajo costo hacia el futuro y transiciones rítmicas entre ciclos (Brown y Eisenhardt, 1997).

5. El nuevo rol humano: custodios del sentido

La transformación hacia organizaciones hiperinteligentes redefine profundamente el rol humano. A medida que los agentes asumen funciones de cálculo, simulación, optimización y ejecución, las personas se desplazan hacia funciones de mayor nivel cognitivo y ético.

Desde la cognición distribuida, separar “lo cognitivo” de “lo social” es insuficiente: los equipos y sus artefactos conforman sistemas cognitivos ampliados, y el aprendizaje se entiende como cambio en la organización de esos sistemas (Hutchins, 1995).

En este contexto, el aporte humano se concentra en el diseño de criterios, valores, sentido y propósito, dimensiones críticas para orientar sistemas que optimizan medios, pero no determinan fines.

El énfasis en la dimensión cultural y colectiva del trabajo con IA refuerza que la adopción de IA no es meramente técnica, sino profundamente organizacional y social (Pasquinelli et al., 2024).

6. Gobernanza y ética en organizaciones basadas en agentes

La introducción de agentes de IA en procesos críticos exige una reconsideración profunda de la gobernanza. En sistemas donde las decisiones son parcialmente automatizadas, la confianza no puede ser implícita: debe ser diseñada.

En el campo de la ética de la IA, se propone que una “buena sociedad” con IA requiere principios y recomendaciones explícitas que orienten un desarrollo y una adopción responsables (Floridi et al., 2018).

En paralelo, una revisión sistemática reciente sobre gobernanza de IA destaca desafíos sobre quién es responsable, qué se gobierna, cuándo ocurre la gobernanza en el ciclo de vida y cómo se implementa mediante marcos, políticas y herramientas (Batool et al., 2025).

En el caso específico de los agentes, la gobernanza adquiere mayor urgencia debido a que los agentes no solo “producen salidas”, sino que pueden ejecutar acciones y operar con autoridad delegada. Por ello, se recomiendan prácticas organizacionales para incorporar clasificación, evaluación y supervisión estructurada de agentes, análogas a una incorporación (onboarding) rigurosa y progresiva (World Economic Forum, 2025).

A nivel de guías operativas, se destaca la necesidad de controles de gobernanza y seguridad para agentes: gobierno de datos, observabilidad, seguridad y prácticas de desarrollo a lo largo del ciclo de vida (Microsoft Learn, 2025).

7. Ruta crítica para la transformación hacia organizaciones basadas en Agentes de IA

La transición desde una organización tradicional hacia una organización basada en Agentes de IA no es un evento puntual, sino un proceso evolutivo. Esta premisa se alinea con la literatura de cambio continuo, que enfatiza capacidades sostenidas de adaptación y exploración, más que transformaciones episódicas (Brown y Eisenhardt, 1997).

Además, en entornos complejos, la dirección efectiva se aproxima como diseño de condiciones que habiliten soluciones emergentes y aprendizaje, en lugar de control total (Anderson, 1999).

A partir del marco conceptual del presente trabajo, se propone la siguiente ruta crítica de cinco fases interdependientes:

7.1 Conciencia del agotamiento del modelo heredado

La transformación inicia con el reconocimiento explícito de los límites de los modelos jerárquicos, centralizados y rígidos frente a la complejidad contemporánea. Sin esta conciencia, la adopción tecnológica tiende a convertirse en maquillaje digital.

Este diagnóstico se refuerza desde enfoques de complejidad que subrayan la insuficiencia de respuestas lineales en sistemas no lineales (Uotila y Morrell, 2025).

7.2 Exploración controlada mediante agentes

En una segunda fase, los AIA se introducen experimentalmente en dominios acotados (por ejemplo, análisis, monitoreo, simulación) para aprender sin comprometer la estabilidad.

La lógica de “pruebas”, prototipos o experimentos de bajo costo para explorar futuros posibles ha sido señalada como rasgo de organizaciones exitosas en ambientes de alta velocidad (Brown y Eisenhardt, 1997).

7.3 Integración de agentes, datos y personas

Superada la etapa experimental, los agentes se integran en redes más amplias, interactuando entre sí y con equipos humanos; aquí emerge la inteligencia colectiva aumentada.

Este punto exige atención a dinámicas de cognición distribuida y coordinación entre humanos e IA, incluyendo riesgos de sobrecarga cognitiva y pérdida de conciencia situacional en ciertos contextos (Jacobsen et al., 2025).

7.4 Rediseño organizacional profundo

La integración sostenida hace inevitable rediseñar estructuras, roles, procesos y gobernanza. La organización comienza a operar como sistema cognitivo distribuido.

En términos de complejidad, esto implica reconfigurar la arquitectura organizacional para habilitar adaptación y aprendizaje continuo (Meissner et al., 2024).

7.5 Evolución continua como principio organizacional

Finalmente, la organización adopta el aprendizaje permanente como principio estructural: la transformación deja de ser proyecto y se convierte en capacidad evolutiva.

La gobernanza debe acompañar esta evolución mediante mecanismos sostenidos de evaluación, supervisión y control de riesgos en el ciclo de vida de la IA (Batool et al., 2025; Microsoft Learn, 2025).

8. Conclusiones: una decisión civilizatoria

Avanzar a una organización basada en Agentes de IA no es una decisión tecnológica; es una decisión que redefine cómo se crea valor, cómo se toman decisiones y qué futuros se consideran posibles.

En sociedades mediadas por sistemas inteligentes, la ética y la gobernanza constituyen condiciones habilitantes para construir confianza y legitimidad (Floridi et al., 2018; Batool et al., 2025).

Las organizaciones que logren integrar Hiperinteligencia, agentes, valores humanos y propósito no solo estarán mejor preparadas para sobrevivir en entornos inciertos, sino que desarrollarán la capacidad de perdurar cruzando sucesivos umbrales de cambio sin colapsar (Ventocilla Cuadros, 2025, 2026).

Fuentes

Anderson, P. (1999). Perspective: Complexity theory and organization science. Organization Science, 10(3), 216–232. https://doi.org/10.1287/orsc.10.3.216
Asatiani, A., Rinta-Kahila, T., Penttinen, E., y Salovaara, A. (2019). Implementation of automation as distributed cognition in knowledge work organizations: Six recommendations for managers. ICIS.
Batool, A., Zowghi, D., y Bano, M. (2025). AI governance: A systematic literature review. AI and Ethics, 5, 3265–3279. https://doi.org/10.1007/s43681-024-00653-w
Brown, S. L., y Eisenhardt, K. M. (1997). The art of continuous change: Linking complexity theory and time-paced evolution in relentlessly shifting organizations. Administrative Science Quarterly, 42(1), 1–34. https://doi.org/10.2307/2393807
Floridi, L., Cowls, J., Beltrametti, M., Chatila, R., Chazerand, P., Dignum, V., … Vayena, E. (2018). AI4People—An ethical framework for a good AI society: Opportunities, risks, principles, and recommendations. Minds and Machines, 28, 689–707. https://doi.org/10.1007/s11023-018-9482-5
Grinschgl, S., y Neubauer, A. C. (2022). Supporting cognition with modern technology: Distributed cognition today and in an AI-enhanced future. Frontiers in Artificial Intelligence, 5, 908261. https://doi.org/10.3389/frai.2022.908261
Hutchins, E. (1995). Cognition in the wild. MIT Press. https://doi.org/10.7551/mitpress/1881.001.0001
Jacobsen, R. M., Wester, J., Djernæs, H. B., y van Berkel, N. (2025). Distributed cognition for AI-supported remote operations: Challenges and research directions. arXiv. https://doi.org/10.48550/arXiv.2504.14996
Meissner, J. O., Heike, M., y Sigrist, D. (2024). Organization and complexity. En Organizational design in a complex and unstable world (pp. 11–32). Springer.
Microsoft Learn (5 de diciembre de 2025). Governance and security for AI agents across the organization.
Pasquinelli, M., Alaimo, C., y Gandini, A. (2024). AI at work: Automation, distributed cognition, and cultural embeddedness. Tecnoscienza, 15(1), 99–131. https://doi.org/10.6092/issn.2038-3460/20010
Russell, S. J., y Norvig, P. (2021). Artificial intelligence: A modern approach (4.ª ed.). Pearson.
Uotila, J., y Morrell, K. (2025). Complexity as a domain between order and chaos: Implications for organizational scholarship. Organization Studies (preprint).
Ventocilla Cuadros, E. (2025). El Umbral: arquitectura de futuros, capacidades y competencias para el tránsito a la sociedad cuántica.
Ventocilla Cuadros, E. (2026). La Humanidad Aumentada. El camino sin mapas a la Hiperinteligencia.
Wooldridge, M. (2009). An introduction to multiagent systems (2.ª ed.). Wiley.
World Economic Forum (2 de diciembre de 2025). Using AI agents in organizations today and in the future: How to build a strong foundation for AI agent evaluation and governance.

Publicado originalmente en DKV Group.

Agentes de Inteligencia Artificial

Wed, 18 Feb 2026 00:00:00 -0500

Resumen

La rápida evolución de la inteligencia artificial está dando lugar a una nueva clase de sistemas: los Agentes de Inteligencia Artificial. A diferencia de los modelos tradicionales, estos agentes no solo analizan información, sino que pueden planificar, actuar y aprender de manera autónoma en entornos complejos. Este artículo presenta una visión clara y accesible del fenómeno desde tres ángulos complementarios: (1) su arquitectura técnica —percepción, planificación, acción y reflexión—; (2) sus casos de uso actuales en industrias clave; y (3) sus implicancias organizacionales y prospectivas.

Como caso contemporáneo, se analiza el modelo Claude Opus 4.6 de Anthropic, destacado por su orientación explícita hacia trabajo agentivo sostenido, coordinación multiagente (“agent teams”) y memoria extendida. Finalmente, el texto sitúa estos avances dentro del tránsito hacia la “Sociedad Cuántica”, entendida como la convergencia progresiva entre inteligencia artificial, computación cuántica y computación fotónica. Se argumenta que este proceso no representa solo una transformación tecnológica, sino un cambio estructural que exige nuevas capacidades humanas, organizacionales e institucionales.

Palabras clave: agentes de IA; autonomía; multiagente; trabajo del conocimiento; Claude Opus 4.6; computación cuántica; computación fotónica; Sociedad Cuántica.

1. Introducción: por qué hablar hoy de agentes de IA

En los últimos años, la inteligencia artificial ha dejado de ser una tecnología experimental para convertirse en una infraestructura crítica de la economía digital. Entre sus desarrollos más significativos se encuentra la emergencia de los Agentes de Inteligencia Artificial, sistemas capaces no solo de analizar información, sino de actuar de manera autónoma en entornos reales.

Este cambio abre interrogantes fundamentales: ¿qué son exactamente los agentes?, ¿qué recursos técnicos les permiten percibir, planificar, ejecutar y aprender?, ¿qué tareas ya están transformando en organizaciones e industrias?, y ¿qué trayectorias futuras se perfilan cuando estos sistemas converjan con infraestructuras computacionales emergentes —incluidas la computación cuántica y la fotónica—? El propósito de este artículo es ofrecer una respuesta clara, documentada y orientada a la acción: comprender el presente para anticipar el umbral que se aproxima.

2. ¿Qué es un Agente de Inteligencia Artificial?

Un Agente de Inteligencia Artificial (AIA) es un sistema capaz de percibir su entorno, tomar decisiones, ejecutar acciones y evaluar sus propios resultados de manera continua. A diferencia de los sistemas tradicionales de IA, un agente no se limita a responder instrucciones: puede iniciar acciones por sí mismo, encadenar tareas complejas y mejorar con el tiempo mediante ciclos de retroalimentación.

Tres rasgos resumen el salto cualitativo: (a) autonomía y adaptabilidad (operación continua y ajuste en tiempo real); (b) encadenamiento de acciones (de una sola solicitud a un flujo completo); y (c) memoria persistente (capacidad de sostener proyectos complejos sin perder continuidad).

3. Arquitectura técnica de los agentes (el ciclo cognitivo)

Los AIA operan mediante un ciclo continuo de percepción, planificación, acción y reflexión, sustentado por una arquitectura de capas que integra software, infraestructura computacional y —de forma progresiva— tecnologías emergentes.

3.1 Percepción

La percepción permite captar información del entorno digital o físico (APIs, bases de datos, documentos, imágenes, audio, video) y convertirla en representaciones procesables, apoyándose en procesamiento de lenguaje natural, visión por computadora y reconocimiento de patrones, además de capas de integración con sistemas empresariales (ERP, CRM, etc.).

3.2 Planificación

La planificación transforma lo percibido en objetivos, estrategias y secuencias de acciones. Aquí intervienen modelos fundacionales y de razonamiento, motores de orquestación (simbólicos e híbridos), grafos de tareas y memoria de corto y largo plazo para sostener coherencia durante la ejecución.

3.3 Acción

La acción es la capacidad de intervenir en el entorno: uso de herramientas externas (ejecución de código, automatización/RPA), APIs y sistemas de control, y una infraestructura de ejecución (nube, contenedores, escalabilidad 24/7). En este punto el agente pasa de asistente a actor operativo.

3.4 Reflexión y aprendizaje

La reflexión evalúa resultados frente a objetivos, detecta errores y optimiza flujos mediante ciclos de retroalimentación. El aprendizaje continuo ajusta modelos, reglas y prioridades, permitiendo que el agente sea adaptativo y evolutivo.

3.5 Infraestructura computacional y convergencia emergente

Actualmente, la base es mayoritariamente clásica (nube, edge, HPC). Sin embargo, se anticipa convergencia con computación cuántica (optimización, planificación avanzada, simulación) y con computación fotónica (aceleración y eficiencia energética), dando lugar a arquitecturas híbridas.

4. Casos de uso actuales (por qué ya importa)

La adopción de agentes de IA está redefiniendo flujos de trabajo y productividad:

finanzas y contabilidad (conciliación y análisis),
servicios y operaciones (soporte y atención),
investigación y monitoreo (rastreo y persistencia de entidades), y
automatización de tareas cotidianas (lectura y síntesis de correos, reportes, digestos).

Estos casos muestran que los agentes ya operan en entornos reales, aunque su escalamiento depende de avances en memoria, planificación sostenida y coordinación multiagente.

5. Caso de estudio: Claude Opus 4.6 como plataforma para trabajo agentivo

El lanzamiento de Claude Opus 4.6 por Anthropic (febrero de 2026) se presenta como un salto en modelos orientados explícitamente a trabajo agentivo sostenido: planificación más cuidadosa, mayor duración de tareas autónomas y mejor capacidad para detectar errores. Además, incorpora una ventana de contexto de 1 millón de tokens (beta), orientada a operar con grandes volúmenes de información y bases de código extensas.

5.1 De modelos conversacionales a sistemas agentivos persistentes

Anthropic describe Opus 4.6 como una actualización de su modelo más avanzado, enfatizando capacidades de planificación, confiabilidad en bases de código grandes y mejora en revisión y depuración para “atrapar” errores. Estas propiedades son decisivas para agentes que deben completar flujos largos sin supervisión constante.

5.2 “Agent teams”: coordinación multiagente

Un rasgo distintivo es la introducción de “agent teams” (equipos de agentes de IA), que permite dividir tareas en subtareas y ejecutarlas en paralelo con coordinación entre agentes, incrementando velocidad y escala organizacional del trabajo digital.

5.3 Memoria extendida y continuidad cognitiva

La ventana de contexto ampliada y los mecanismos de compactación permiten sostener continuidad y operar sobre grandes documentos o conjuntos de información, reforzando la viabilidad de proyectos prolongados (código, análisis, documentación).

5.4 Implicancias

Opus 4.6 ilustra una transición: de IA que “responde” a IA que ejecuta trabajo. Este punto resulta central para comprender el salto de productividad y también los nuevos desafíos de gobernanza, control y responsabilidad en entornos organizacionales.

6. OpenClaw y la gobernanza híbrida de los agentes personales

El caso de OpenClaw muestra otra dinámica relevante: no solo la evolución del modelo, sino la evolución del ecosistema agentivo. Peter Steinberger, creador de OpenClaw, anunció su incorporación a OpenAI y afirmó que OpenClaw se moverá a una fundación y permanecerá “abierto e independiente”.

Diversas coberturas periodísticas señalan, además, que OpenAI ha indicado que OpenClaw “vivirá” como proyecto de código abierto bajo una estructura de fundación con apoyo continuo, mientras Steinberger trabajará en la “siguiente generación de agentes personales”.

Este caso puede describirse con precisión como integración de talento y patrocinio estructural de un proyecto abierto, más que como adquisición clásica, y es relevante porque anticipa modelos de gobernanza híbrida para infraestructuras agentivas.

7. Hacia la Sociedad Cuántica: convergencia con computación cuántica y fotónica

El gran umbral en la evolución de los agentes se perfila en su convergencia con computación cuántica y fotónica. Aunque estas tecnologías se encuentran en etapas tempranas, su integración progresiva anticipa nuevas posibilidades para optimización, planificación avanzada, simulación y eficiencia energética. En el marco propuesto, esta convergencia se asocia con el tránsito hacia la “Sociedad Cuántica”, que no describe solo una fase tecnológica, sino una reconfiguración de capacidades y estructuras.

8. Implicancias para organizaciones y capacidades humanas

Los agentes ya no son únicamente herramientas de apoyo: se aproximan a la figura de actores operativos capaces de ejecutar procesos de principio a fin. Esto exige nuevas competencias: diseño y supervisión de flujos agentivos, gobernanza de datos y herramientas, gestión de riesgos, auditoría de decisiones y ética aplicada a sistemas autónomos. Desde la perspectiva de la Arquitectura de Futuros, los agentes amplifican la necesidad de anticipación: los futuros no “llegan solos”, se construyen desde ahora mediante decisiones técnicas e institucionales.

9. Conclusión: el umbral

Los desarrollos en inteligencia artificial ya están transformando industrias, organizaciones y mercados mediante la emergencia de Agentes de Inteligencia Artificial cada vez más autónomos. La convergencia futura de estos agentes con la computación cuántica y la computación fotónica no constituye un evento tecnológico aislado, sino un cambio civilizatorio. Los futuros posibles no se manifestarán de manera espontánea: están siendo diseñados, negociados y construidos en el presente. Quienes no participen activamente en esta construcción difícilmente podrán influir en el futuro que habitarán.

A quienes deseen avanzar en la preparación personal, organizacional e institucional para estas nuevas realidades, los invitamos a leer nuestro libro El Umbral: arquitectura de futuros, capacidades y competencias para el tránsito a la Sociedad Cuántica, disponible en versiones de e-book y física en Amazon Kindle.

Fuentes

A. Agentes, multiagencia y aprendizaje

Russell, S., y Norvig, P. (2021). Artificial Intelligence: A Modern Approach. Pearson.
Wooldridge, M. (2020). An Introduction to MultiAgent Systems. Wiley.
Sutton, R. S., y Barto, A. G. (2018). Reinforcement Learning: An Introduction. MIT Press.
Bommasani, R., et al. (2021). On the Opportunities and Risks of Foundation Models. Stanford CRFM.
Wei, J., et al. (2022). Chain-of-Thought Prompting Elicits Reasoning in Large Language Models. arXiv.
Yao, S., et al. (2023). ReAct: Synergizing Reasoning and Acting in Language Models. arXiv.

B. Anthropic y Claude Opus 4.6

Anthropic (5 de febrero de 2026). Introducing Claude Opus 4.6.
Ropek, L. (5 de febrero de 2026). Anthropic releases Opus 4.6 with new ‘agent teams’. TechCrunch.
Nuñez, M. (5 de febrero de 2026). Anthropic’s Claude Opus 4.6 brings 1M token context and ‘agent teams’. VentureBeat.
Lardinois, F. (5 de febrero de 2026). Anthropic debuts Opus 4.6 as a step-change for the enterprise. The New Stack.
Capoot, A. (5 de febrero de 2026). Anthropic launches Claude Opus 4.6 as AI moves toward “vibe working”. CNBC.

C. OpenClaw, OpenAI y fundación (gobernanza híbrida)

Steinberger, P. (14–15 de febrero de 2026). OpenClaw, OpenAI and the future. steipete.me.
Reuters (15 de febrero de 2026). OpenClaw founder Steinberger joins OpenAI, open-source bot becomes foundation. Yahoo Finance.
Capoot, A., y Levy, A. (15 de febrero de 2026). OpenClaw creator Peter Steinberger joining OpenAI, Altman says. CNBC.
Ha, A. (15 de febrero de 2026). OpenClaw creator Peter Steinberger joins OpenAI. TechCrunch.
Swain, G. (16 de febrero de 2026). OpenAI hires OpenClaw founder as AI agent race intensifies. Computerworld.

D. Computación cuántica, fotónica y Sociedad Cuántica

Nielsen, M., y Chuang, I. (2010). Quantum Computation and Quantum Information. Cambridge University Press.
Biamonte, J., et al. (2017). Quantum Machine Learning. Nature.
Ben-Shlomi, R. (2025). Photonic computing and the future of AI. World Economic Forum.
Ventocilla Cuadros, E. (2025). El Umbral: arquitectura de futuros, capacidades y competencias para el tránsito a la Sociedad Cuántica. El Buey del Mar / Kindle.

Publicado originalmente en DKV Group.