Sam Altman dijo algo incómodo hace unos días: los científicos más brillantes de la IA fueron, en parte, los que más frenaron el campo. No por falta de inteligencia. Por exceso de certeza.

En tu empresa pasa lo mismo, y conviene decirlo claro porque es la tesis de este post: la persona más experta, la que más credibilidad tiene en la sala, suele ser el mayor freno para adoptar IA. No porque esté equivocada siempre. Porque convirtió una creencia en parte de su identidad, y una creencia que es identidad ya no se actualiza con datos.

Eso tiene una consecuencia práctica directa. Una decisión de IA no se gana discutiendo en la sala de reuniones, donde gana la voz con más prestigio. Se gana mirando el dato del proceso real. Es exactamente por eso que estructuramos AI Maestro alrededor de un discovery y no de una recomendación de experto, y el resto del post explica por qué esa diferencia importa tanto.

Lo que dijo Altman, y por qué incomoda

La idea la resumió bien Ihtesham Ali en un hilo que se volvió viral, parafraseando lo que Altman contó en una charla. El campo se frenó por una generación de científicos demasiado seguros de lo que el escalamiento no iba a producir. La gente con más credibilidad fue la que más se equivocó.

El punto de Altman no fue sobre inteligencia. Fue sobre identidad. Cuando haces de una creencia parte de quién eres, y los datos la desmienten, te quedas atrapado. Estás demasiado apegado a la creencia como para soltarla. Ya no puedes ver lo que pasa.

Y acá está la frase que más duele: mientras más inteligente eres, con más confianza defiendes la posición equivocada. La inteligencia no te protege del error. Te da mejores argumentos para sostenerlo.

Lo más honesto del planteo es que Altman lo giró en las dos direcciones. No dijo “los escépticos son tontos y los optimistas tenemos razón”. Dijo que es un recordatorio para todos, incluidos los que hoy aciertan. El momento en que una creencia se vuelve tu identidad, deja de ser algo que puedas actualizar. Da igual si esa creencia es pesimista u optimista.

En el mismo hilo alguien recuperó una vieja línea de Upton Sinclair que cae perfecto: es difícil que un hombre entienda algo cuando su salario depende de que no lo entienda. No hace falta mala fe. Basta un incentivo. Y el prestigio es un incentivo tan fuerte como el salario.

Vale una matización, porque no todo experto cae en la trampa. Como apuntó Daniel Batten respondiendo al hilo, la persona de verdad capaz suele admitir que sabe poco y se mantiene curiosa. La certeza rígida no es señal de dominio. Es señal de haber dejado de aprender, y eso le pasa tanto al que sabe mucho como al que sabe poco.

La convicción no es evidencia

Esta es la parte que importa para quien tiene que decidir sobre IA en una empresa. La convicción se siente como conocimiento, pero no lo es. Es una postura que tomaste en algún momento, con la información que tenías entonces, y que se endureció.

La trampa tiene dos caras y conviene reconocer las dos.

La cara escéptica suena así: “la IA es humo, ya la probamos, no sirve para lo nuestro”. Casi siempre detrás de esa frase hay un experimento real de hace año y medio, con un modelo de hace año y medio, mal montado, que efectivamente falló. La conclusión se guardó como ley permanente. El modelo mejoró diez veces desde entonces, pero la creencia no se movió, porque ya no es una hipótesis: es una posición.

La cara optimista suena al revés: “metemos un agente y resolvemos esto”. Misma estructura, signo contrario. Una convicción tratada como evidencia, que salta el paso de mirar si el proceso real aguanta lo que se le quiere meter encima. Esta cara hace tanto daño como la otra, solo que el daño llega más tarde, cuando el piloto entusiasta se topa con datos sucios y un proceso que nadie documentó.

Las dos caras comparten el error: deciden antes de mirar. Y las dos suelen venir de la persona con más autoridad, porque la autoridad es justo lo que vuelve costoso decir “no sé, hay que medirlo”.

Cómo se ve esto dentro de tu empresa

Reconoces el patrón sin que te lo cuenten. Hay una persona en la organización cuya credibilidad nació del modelo anterior de trabajo. Conoce el proceso al detalle, lo diseñó, lo defendió durante años. Es exactamente la persona a la que le preguntas qué piensa de la IA, y exactamente la que tiene el incentivo más fuerte para que la respuesta sea “todavía no”.

No lo hace por sabotaje. Lo hace porque su valor en la empresa está atado a que las cosas sigan funcionando como ella las entiende. Pedirle que evalúe con frialdad una tecnología que podría volver opcional su forma de trabajar es pedirle que separe su juicio de su identidad. Casi nadie puede hacer eso solo.

El resultado es una empresa que confunde la opinión más segura con el mejor análisis. La iniciativa de IA se discute en una reunión, la voz con más peso marca el tono, y se cierra el tema. Nadie miró el dato del proceso. Nadie preguntó qué tendría que ser verdad para que esa opinión cambiara. Y si no hay una respuesta a esa pregunta, no estás ante un experto evaluando. Estás ante una identidad defendiéndose.

Lo escribí desde otro ángulo en el post sobre por qué sobran ideas de IA y lo que falta es criterio: el problema rara vez es generar opciones, es tener un mecanismo para filtrarlas sin que gane la más ruidosa. Y se conecta con algo que ya está dentro del propio modelo, que conté en tu IA nunca te contradice: si ni la herramienta ni tu experto más seguro te llevan la contraria, te quedaste sin nadie que te diga que estás equivocado.

Lo que IQ Source hace con esto

La salida no es ignorar a tus expertos. Es no dejar que la decisión se cierre en la sala. Hay que sacar la pregunta de la reunión y llevarla al proceso real.

Por eso AI Maestro no arranca con una recomendación. Arranca con dos meses de discovery. Mapeamos cómo funcionan de verdad tus procesos, no cómo se supone que funcionan ni cómo los recuerda la persona que los diseñó. De ahí sale un Score de Oportunidad de IA por proceso, un número que no depende de quién hable más fuerte. Y al final hay una compuerta Go/No-Go que decide proceso por proceso, con evidencia.

La prueba de que esto responde al dato y no a la convicción es la misma compuerta: a veces dice que no. Le dice que no al optimista que quería automatizar algo que no estaba listo, y le dice que sí a la oportunidad que el escéptico había descartado sin medirla. Las dos correcciones vienen del mismo lugar, que es haber mirado antes de decidir.

Esto también es la otra mitad de algo que ya argumenté: la IA no es el problema, tu empresa no está lista. Una empresa que no se describe a sí misma con honestidad termina decidiendo con la creencia más cómoda. El discovery es, en el fondo, un acto de honestidad organizacional forzada.

La próxima vez que alguien en tu empresa cierre una conversación de IA con un “eso ya lo sabemos”, hazle una sola pregunta: ¿qué dato te haría cambiar de opinión? Si tiene una respuesta concreta, tienes un experto y vale oro. Si no la tiene, no estás debatiendo una idea, estás chocando contra una identidad. Y las identidades no se ganan discutiendo. Se rodean con evidencia.

Decide tu IA con el dato del proceso, no con la opinión más fuerte