Debate sobre inteligencia artificial
Enrique Dans plantea que la IA corporativa debe dejar de limitarse a responder y empezar a aprender de los resultados
El especialista sostiene que los modelos de lenguaje son extraordinarios para generar respuestas, pero insuficientes para organizaciones que necesitan actuar, medir consecuencias y corregir decisiones.
1° de Septiembre de 2026
Enrique Dans planteó que el próximo gran salto de la inteligencia artificial corporativa no estará en modelos más grandes, sino en sistemas capaces de actuar, observar qué ocurre y modificar su comportamiento a partir de los resultados. Para explicarlo, contrapuso la lógica deductiva asociada a Aristóteles con el método experimental de Francis Bacon.
Según su análisis, los actuales Large Language Models, o LLMs, son herramientas muy potentes para redactar, resumir, comparar información, programar o generar ideas. Sin embargo, no fueron concebidos para resolver por sí solos necesidades empresariales como estados persistentes, permisos, objetivos medibles, estructuras formales y ciclos continuos de retroalimentación.
Dans sostiene que una empresa no funciona mediante consultas aisladas. Si una inteligencia artificial recomienda cambiar un precio, reorganizar un proceso o modificar una estrategia comercial, su desempeño debería evaluarse por lo que ocurrió después de aplicar esa decisión, y no únicamente por lo convincente que haya resultado su respuesta.
Ahí aparece su comparación con Francis Bacon. El sistema debería formular una propuesta, ponerla a prueba, observar sus consecuencias, almacenar el resultado y utilizar esa experiencia para mejorar la próxima decisión. “La unidad de valor ya no va a ser la respuesta: va a ser el bucle”, resume el planteo.
El especialista también advierte que esa autonomía obliga a establecer límites claros. Una IA optimizada únicamente para cerrar más ventas, reducir tiempos de atención o retener empleados podría encontrar soluciones efectivas para esa métrica pero perjudiciales para clientes, trabajadores u otras áreas.
Por eso, considera que gobernanza, permisos, objetivos y responsabilidades deben formar parte de la arquitectura tecnológica desde el comienzo. Su tesis final es que los LLM seguirán siendo fundamentales, pero deberán integrarse en sistemas donde la realidad y los resultados, y no solamente la capacidad de producir respuestas, determinen qué aprende la inteligencia artificial.
