Satya Nadella publicó el domingo pasado un ensayo completo como artículo de X, no un hilo de tuits sueltos. Se titula “The Reverse Information Paradox” y en menos de 48 horas superó los diez millones de vistas. Cuando el CEO de Microsoft dedica ese espacio a un argumento, vale la pena leerlo con cuidado, incluso si terminas en desacuerdo con la solución que propone.

Su punto de partida es la paradoja de la información que planteó el economista Kenneth Arrow en 1962: un vendedor no puede ponerle precio a lo que sabe sin revelarlo, y en el momento en que lo revela, ya lo regaló. Nadella invierte esa paradoja cuando el producto es un modelo de IA. El vendedor ya no es quien arriesga su conocimiento. Es el comprador. Cada prompt que escribes, cada corrección que haces, cada llamada a una herramienta es información que tu proveedor de IA absorbe y usa para mejorar su producto. “El comprador arriesga regalar su conocimiento con tal de usar lo que compró,” escribió. Y entre más quieres que el modelo rinda bien en tu negocio, más de ese conocimiento tienes que alimentarle.

Su solución es lo que llama un perímetro de confianza (trust boundary): evals privados, tus propias trazas y memoria, modelos ajustados dentro de tu tenant, nada cruza hacia el proveedor sin consentimiento explícito. Lo organiza en cinco capacidades, las cinco C. Control es ser dueño de tus evals, tu memoria y tus trazas. Capability es entrenar dentro del límite de tu tenant en vez de mandar tus datos afuera. Choice es desacoplar la orquestación de un solo modelo para no quedar atrapado con un proveedor. Cost es combinar contexto, modelos y tareas de forma eficiente. Y Compound es el ciclo de aprendizaje continuo que las cuatro anteriores hacen posible. Cita a Alex Karp, CEO de Palantir, para reforzar el punto: “Lo que los clientes técnicos quieren es control sobre su cómputo, sus modelos, su stack de datos y su alfa.” Karp añadió algo igual de directo: quieren saber que son dueños de los medios de producción, y que eso no se le está transfiriendo a nadie más.

Que Nadella cite a Karp no es casualidad. Palantir vende precisamente a los clientes técnicos más exigentes del mercado: gobiernos, bancos, aseguradoras, empresas de defensa. Si ese segmento ya está exigiendo control sobre su cómputo, sus modelos y su stack de datos, no es una idea de laboratorio de producto. Es una condición de compra que ya está apareciendo en las negociaciones de contrato de las empresas más grandes del mundo. La pregunta que le sigue, y que Nadella no responde, es qué debería hacer una empresa que todavía no tiene el tamaño ni el equipo legal de un banco para exigir ese tipo de cláusula.

Es un marco más completo que cualquier cosa que Nadella había dicho antes sobre este tema. Y tiene razón en el diagnóstico: la fuga de conocimiento hacia el proveedor es real, y la mayoría de las empresas ni siquiera está midiendo cuánto de su ventaja competitiva se va en cada llamada a la API. Pero el marco entero descansa en un supuesto que casi nadie cuestiona: que la empresa ya sabe qué conocimiento quiere proteger.

El perímetro asume que ya sabes qué hay adentro

Aquí está el problema. Escribí sobre esto hace tres semanas cuando Nadella hizo un comentario más corto sobre el mismo tema: el modelo como la nueva base de datos del conocimiento tácito de tu empresa. El argumento entonces era que no puedes incrustar en los pesos de un modelo lo que no has documentado primero. La mayoría de las empresas, cuando les preguntas cómo toman sus decisiones clave, dan la política oficial y no el proceso real.

El ensayo de esta semana es una versión mucho más completa de la misma idea, y la crítica se sostiene igual, quizás mejor. Construir un perímetro de confianza es una decisión de arquitectura. Requiere saber, con precisión, qué datos, qué criterios y qué patrones de decisión estás protegiendo detrás de ese perímetro. Si no puedes nombrar ese conocimiento, no tienes nada que meter adentro. Tienes un perímetro vacío con una cerradura muy cara.

Pregúntale a cualquier ejecutivo qué conocimiento propietario no quiere que su proveedor de IA aprenda, y en la mayoría de los casos vas a obtener una respuesta genérica: “nuestros datos de clientes,” “nuestra propiedad intelectual.” Eso no es una respuesta operativa. Una respuesta operativa suena así: “el criterio que usa nuestro equipo de riesgo para rechazar una cuenta en los primeros noventa segundos de revisión, que nunca escribimos en ningún documento porque vive en la cabeza de dos personas.” Ese es el tipo de conocimiento que un perímetro de confianza debería proteger. Y ese es exactamente el tipo de conocimiento que casi ninguna empresa ha puesto por escrito.

Control ya es el pilar que hemos estado documentando

De las cinco C, Control es la que más se acerca a algo que ya sabemos construir: ser dueño de tus evals, tu memoria y tus trazas. Escribí sobre esto dos veces en las últimas semanas, primero sobre por qué los evals son la nueva documentación de procesos y después sobre por qué el eval es un activo que se acumula mientras el prompt se deprecia. El argumento en ambos casos es el mismo que Nadella está haciendo ahora a escala de industria: el criterio de éxito que codificas en tus evals es tuyo, es portable, y sobrevive cada cambio de modelo y cada cambio de proveedor.

Pero incluso Control tiene el mismo problema del perímetro completo. Ser dueño de tus evals presupone que tienes evals que poseer. Aaron Levie lo dijo sin rodeos hace unas semanas: casi todo el progreso en agentes depende de los evals, y la mayoría de las empresas B2B con las que converso ejecutan cero evals al día. No es que no sean dueñas de sus evals. Es que no tienen ninguno. El pilar de Control, en la práctica, no arranca protegiendo algo que ya existe. Arranca en el mismo lugar donde arranca todo lo demás: alguien tiene que sentarse con el equipo de operaciones y articular, por primera vez, qué hace que una decisión sea buena.

Compound necesita un ciclo que la mayoría de empresas no tiene

El pilar más ambicioso del marco es Compound: el ciclo de aprendizaje continuo que se acumula con el tiempo, la razón por la que vale la pena construir todo lo anterior. Es también el que más rápido se cae si te saltas el paso de documentación.

Un ciclo que compone necesita dos cosas: señal limpia y un criterio explícito contra el cual medir cada iteración. Sin eso, lo que se acumula no es ventaja competitiva. Es ruido guardado en más volumen. Una empresa que registra cada interacción con su modelo pero nunca definió qué distingue una buena respuesta de una mala terminó construyendo un archivo grande, no un activo que compone. El Compound de Nadella suena a una inversión que crece sola con el tiempo. En la práctica, compone solo si alguien puso el criterio de calidad ahí desde el primer día, de la misma forma en que un eval solo mide algo si alguien definió primero qué es “bueno” para ese proceso específico.

Piensa en un equipo de soporte que lleva un año guardando cada conversación que su agente de IA tuvo con clientes, con la idea de que ese historial va a hacer al sistema cada vez mejor. Si nadie marcó cuáles de esas conversaciones terminaron en una resolución correcta y cuáles en un cliente frustrado que escaló por otro canal, ese año de historial no compone nada. Es un millón de conversaciones sin etiquetar. El equipo que sí compone es el que, desde el primer mes, decidió qué significa una resolución correcta para su negocio específico y empezó a puntuar cada conversación contra ese criterio. Un año después, ese equipo tiene un activo. El otro tiene un disco duro lleno.

Esto no es una crítica menor al marco. Es la razón por la que la mayoría de los intentos de construir un perímetro de confianza van a fracasar en el mismo punto donde fracasan los pilotos de IA en general: la empresa arranca por la arquitectura de protección en vez de arrancar por preguntarse qué tiene que valga la pena proteger.

Qué hacemos con esto en AI Maestro

Las dos primeras fases de AI Maestro existen exactamente para ese hueco. Antes de discutir qué modelo usar, qué proveedor de orquestación elegir o cómo estructurar un perímetro de confianza, mapeamos los procesos reales de tu operación y articulamos, por escrito, el criterio que hoy vive sin documentar en las cabezas de tu gente más experimentada. El Score de Oportunidad que producimos al final de ese trabajo es, en el lenguaje de Nadella, el inventario de lo que va adentro del perímetro antes de construir el perímetro.

Nadella tiene razón en que las empresas necesitan protegerse de lo que dejan escapar en cada interacción con un proveedor de IA. Pero un perímetro alrededor de nada sigue siendo nada. El trabajo empieza documentando qué sabes, no decidiendo cómo vas a esconderlo.

Documenta lo que tu empresa sabe antes de construir el perímetro