Durante d\u00e9cadas, la composici\u00f3n de un consejo de administraci\u00f3n se resolvi\u00f3 con una combinaci\u00f3n relativamente estable de perfiles: uno financiero, uno legal, uno de industria. Esa combinaci\u00f3n cubr\u00eda, de forma razonable, los riesgos que un consejo ten\u00eda que vigilar. Hoy deja descubierto uno de los m\u00e1s relevantes \u2014 y de los que con mayor frecuencia se aprueban sin el escrutinio adecuado: si un proyecto de datos o inteligencia artificial tiene una base s\u00f3lida, o si es una recomendaci\u00f3n bien presentada construida sobre datos que nadie ha validado.<\/p>\n\n\n\n
Un perfil financiero puede evaluar si el retorno proyectado de un proyecto de IA es razonable frente al capital solicitado. Un perfil legal puede evaluar los riesgos regulatorios y contractuales. Un perfil de industria puede evaluar si el proyecto responde a una necesidad real del negocio. Ninguno de los tres, por dise\u00f1o, est\u00e1 capacitado para evaluar si los datos sobre los que se construy\u00f3 la recomendaci\u00f3n son confiables, o si el modelo propuesto responde efectivamente a la pregunta de negocio que dice resolver.<\/p>\n\n\n\n
Esto no es una cr\u00edtica a esos perfiles \u2014 es una descripci\u00f3n de un vac\u00edo estructural. Los consejos se dise\u00f1aron para vigilar los riesgos que dominaban la agenda corporativa durante d\u00e9cadas: financieros, legales, de mercado. Datos e IA son una categor\u00eda de riesgo relativamente nueva en esa agenda, y la mayor\u00eda de los consejos todav\u00eda no han incorporado el perfil que le corresponde.<\/p>\n\n\n\n
Sin un integrante capaz de cuestionar el fondo t\u00e9cnico de una propuesta, la reacci\u00f3n t\u00edpica de un consejo frente a un proyecto de datos o IA no es rechazarlo por precauci\u00f3n. Es aprobarlo con base en qu\u00e9 tan convincente result\u00f3 la presentaci\u00f3n \u2014 porque no hay nadie en la sala con el criterio para cuestionarla de otra forma.<\/p>\n\n\n\n
Eso puede tomar apenas minutos. Un caso de negocio bien armado, una proyecci\u00f3n de retorno atractiva, y una recomendaci\u00f3n presentada con seguridad son suficientes para obtener luz verde, incluso cuando nadie ha verificado si los datos de origen son confiables o si la m\u00e9trica de \u00e9xito qued\u00f3 definida con claridad. El resultado no es necesariamente un mal proyecto \u2014 es un proyecto aprobado sin la vigilancia que el capital comprometido deber\u00eda exigir.<\/p>\n\n\n\n
El error m\u00e1s com\u00fan al identificar este vac\u00edo es asumir que la soluci\u00f3n requiere que todos los integrantes del consejo adquieran conocimientos de ciencia de datos o inteligencia artificial. No es as\u00ed, y exigirlo ser\u00eda poco realista para la mayor\u00eda de los consejos.<\/p>\n\n\n\n
Lo que se necesita es distinto: al menos una persona en la mesa con el criterio suficiente para hacer un conjunto reducido de preguntas que revelan si el trabajo de fondo se hizo con rigor. No preguntas t\u00e9cnicas sobre arquitectura de modelos o algoritmos \u2014 preguntas de negocio aplicadas a un proyecto de datos o IA: qu\u00e9 decisi\u00f3n va a cambiar, c\u00f3mo se va a medir el \u00e9xito, y qu\u00e9 tan confiables son los datos de origen.<\/p>\n\n\n\n
Ese perfil puede ser un consejero independiente con experiencia previa en transformaci\u00f3n digital, el presidente de un comit\u00e9 de auditor\u00eda con mandato ampliado, o cualquier integrante dispuesto a desarrollar ese criterio de forma deliberada. Lo relevante no es el t\u00edtulo que ocupa, sino que exista alguien con la responsabilidad expl\u00edcita de hacer esas preguntas en cada propuesta relevante.<\/p>\n\n\n\n
Definir el perfil como \u00abalguien con criterio t\u00e9cnico\u00bb es demasiado abstracto para ser accionable. En t\u00e9rminos concretos, la persona responsable de este rol dentro del consejo deber\u00eda poder hacer, como m\u00ednimo, tres cosas frente a cualquier propuesta de datos o IA.<\/p>\n\n\n\n
Primero, distinguir entre una proyecci\u00f3n de retorno construida sobre un piloto validado y una construida sobre supuestos optimistas sin evidencia. La diferencia no siempre es visible en el resumen ejecutivo que llega al consejo, y requiere preguntar directamente c\u00f3mo se obtuvo cada cifra.<\/p>\n\n\n\n
Segundo, identificar cu\u00e1ndo una recomendaci\u00f3n depende de datos que probablemente no est\u00e1n gobernados \u2014 m\u00faltiples fuentes sin una definici\u00f3n com\u00fan de cliente o producto, informaci\u00f3n hist\u00f3rica sin auditor\u00eda de calidad, o series de tiempo con huecos que nadie mencion\u00f3. No hace falta auditar el dato line por l\u00ednea para hacer esta pregunta; hace falta saber que hay que hacerla.<\/p>\n\n\n\n
Tercero, verificar que exista una m\u00e9trica de \u00e9xito definida antes de la aprobaci\u00f3n, no despu\u00e9s de la implementaci\u00f3n. Un proyecto que se aprueba sin que nadie pueda nombrar c\u00f3mo se va a medir el \u00e9xito casi siempre termina evalu\u00e1ndose de forma retroactiva y subjetiva, lo que hace pr\u00e1cticamente imposible que el consejo aprenda algo \u00fatil de esa decisi\u00f3n para la siguiente.<\/p>\n\n\n\n
Uno de los motivos por los que este vac\u00edo persiste tanto tiempo en un consejo es que su costo no se manifiesta de inmediato. Un proyecto aprobado sin el criterio t\u00e9cnico adecuado no necesariamente fracasa de forma visible en el corto plazo \u2014 con frecuencia avanza, consume presupuesto, y produce resultados ambiguos que nadie puede atribuir con claridad a una buena o mala decisi\u00f3n original.<\/p>\n\n\n\n
Ese tipo de resultado ambiguo es, parad\u00f3jicamente, m\u00e1s costoso a largo plazo que un fracaso evidente. Un fracaso evidente genera una correcci\u00f3n de rumbo. Un resultado ambiguo erosiona, con el tiempo, la confianza del consejo en su propia capacidad de aprobar este tipo de proyectos \u2014 lo que con frecuencia deriva en una de dos reacciones igual de problem\u00e1ticas: aprobar cada vez con menos escrutinio, por costumbre, o frenar la inversi\u00f3n en datos e IA por completo, por precauci\u00f3n excesiva, sin que ninguna de las dos resuelva el vac\u00edo original.<\/p>\n\n\n\n
Hay una prueba simple: en la \u00faltima propuesta de datos o IA que el consejo aprob\u00f3, \u00bfalguien pregunt\u00f3 qu\u00e9 tan confiables eran los datos de origen antes de aprobar el capital? Si la respuesta es no, o si nadie recuerda que se haya hecho esa pregunta, el vac\u00edo existe, independientemente de qu\u00e9 tan s\u00f3lidos sean los dem\u00e1s perfiles representados en la mesa.<\/p>\n\n\n\n
Otra se\u00f1al es la velocidad de aprobaci\u00f3n. Un proyecto de datos o IA que se aprueba en la misma sesi\u00f3n en que se presenta, sin preguntas de seguimiento sobre la calidad del dato o la m\u00e9trica de \u00e9xito, generalmente no fue vigilado \u2014 fue aceptado con base en la confianza que gener\u00f3 quien lo present\u00f3. Ninguna de estas se\u00f1ales requiere conocimiento t\u00e9cnico para identificarse; requieren, simplemente, que alguien en el consejo se detenga a revisar el acta de la sesi\u00f3n con esa pregunta en mente.<\/p>\n\n\n\n
\u00bfEs necesario contratar a un consejero con perfil de ciencia de datos?<\/strong> No necesariamente. Es m\u00e1s efectivo desarrollar el criterio en un integrante actual del consejo con experiencia en transformaci\u00f3n digital o proyectos tecnol\u00f3gicos, que incorporar a alguien externo sin conocimiento del negocio espec\u00edfico de la organizaci\u00f3n.<\/p>\n\n\n\n \u00bfCu\u00e1ntas propuestas de datos o IA necesita ver un consejo antes de que este vac\u00edo se vuelva relevante?<\/strong> Basta con una. El riesgo de aprobar un proyecto sin el criterio adecuado no depende de cu\u00e1ntos proyectos similares vengan despu\u00e9s \u2014 depende de que el capital comprometido en esa \u00fanica aprobaci\u00f3n est\u00e9 respaldado por una recomendaci\u00f3n verificada.<\/p>\n\n\n\n \u00bfQu\u00e9 pasa si el consejo decide no incorporar este perfil?<\/strong> El consejo sigue funcionando, pero con un vac\u00edo de vigilancia sobre una categor\u00eda de riesgo que va a crecer, no a disminuir, conforme m\u00e1s decisiones de negocio dependan de proyectos de datos o IA.<\/p>\n\n\n\n \u00bfEste vac\u00edo es exclusivo de consejos de administraci\u00f3n formales?<\/strong> No. El mismo patr\u00f3n aparece en comit\u00e9s directivos, comit\u00e9s de inversi\u00f3n y cualquier \u00f3rgano colegiado que tenga que aprobar capital para proyectos de datos o IA sin un mandato expl\u00edcito de vigilancia t\u00e9cnica. El nombre del \u00f3rgano cambia; el vac\u00edo estructural es el mismo.<\/p>\n\n\n\n En MaIA by Scanda trabajamos con consejos de administraci\u00f3n y comit\u00e9s directivos que necesitan construir el criterio t\u00e9cnico interno para evaluar proyectos de datos o IA, y con la base de datos confiable \u2014 Data Quality y Data Lake \u2014 que ese criterio necesita para operar. No se trata de sustituir el juicio del consejo con una consultor\u00eda externa permanente, sino de dejar instalada la capacidad de hacer estas preguntas de forma aut\u00f3noma en cada propuesta futura. Si tu consejo est\u00e1 por aprobar un proyecto de este tipo, conversemos.<\/p>","protected":false},"excerpt":{"rendered":" Durante d\u00e9cadas, la composici\u00f3n de un consejo de administraci\u00f3n se resolvi\u00f3 con una combinaci\u00f3n relativamente estable de perfiles: uno financiero, uno legal, uno de industria. Esa combinaci\u00f3n cubr\u00eda, de forma razonable, los riesgos que un consejo ten\u00eda que vigilar. Hoy deja descubierto uno de los m\u00e1s relevantes \u2014 y de los que con mayor frecuencia […]<\/p>\n","protected":false},"author":3,"featured_media":344960,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_et_pb_use_builder":"off","_et_pb_old_content":"","_et_gb_content_width":"","content-type":"","footnotes":""},"categories":[1],"tags":[],"class_list":["post-344959","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-blog"],"_links":{"self":[{"href":"https:\/\/scanda.com.mx\/en\/wp-json\/wp\/v2\/posts\/344959","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/scanda.com.mx\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/scanda.com.mx\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/scanda.com.mx\/en\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/scanda.com.mx\/en\/wp-json\/wp\/v2\/comments?post=344959"}],"version-history":[{"count":1,"href":"https:\/\/scanda.com.mx\/en\/wp-json\/wp\/v2\/posts\/344959\/revisions"}],"predecessor-version":[{"id":344961,"href":"https:\/\/scanda.com.mx\/en\/wp-json\/wp\/v2\/posts\/344959\/revisions\/344961"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/scanda.com.mx\/en\/wp-json\/wp\/v2\/media\/344960"}],"wp:attachment":[{"href":"https:\/\/scanda.com.mx\/en\/wp-json\/wp\/v2\/media?parent=344959"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/scanda.com.mx\/en\/wp-json\/wp\/v2\/categories?post=344959"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/scanda.com.mx\/en\/wp-json\/wp\/v2\/tags?post=344959"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Siguiente paso<\/strong><\/h2>\n\n\n\n