Organizaciones legibles por máquinas

Lo que falta no es inteligencia. Es legibilidad.

Hace unos meses estaba en uno de los depósitos de una empresa con la que trabajamos y veía cómo el encargado decidía qué pedidos salían primero. Miraba la pila, daba vueltas por el depósito, hacía memoria, miraba el WhatsApp, se acordaba de quién había llamado enojado el día anterior, y decidía. Acertaba casi siempre, y eso me llamó la atención.

Todo lo que él sabía para decidir eso no estaba en ningún lado. No estaba en el ERP, no estaba en el Excel, no estaba en el sistema que nosotros mismos le habíamos hecho. Estaba en su cabeza.

Ese día entendí algo que me llevó a cambiar en qué voy a trabajar los próximos cinco años.

La tesis

Los modelos de IA ya son lo suficientemente inteligentes para operar una empresa chica, pero lo que no pueden hacer aún es leerla.

Una empresa latinoamericana típica es: -con suerte- un ERP de hace diez años, varias planillas de excel recauchutadas, dos grupos y unb montón de chats de WhatsApp donde pasan las decisiones reales, un dueño que sabe una cantidad absurda de cosas que no están escritas, y dos o tres personas con veinte años de oficio. Ninguna de esas partes habla con las otras ni describe qué está intentando lograr la empresa, qué decisiones existen, quién puede tomar cuál, ni qué pasó la última vez que algo salió mal.

Para un agente de IA eso es un contexto horrible, completamente ilegible.

Entonces la pregunta que me interesa no es “¿cómo hago un agente más inteligente?”.. Es: Cómo hacemos que una organización sea legible para una máquina, sin reemplazar nada de lo que ya tiene?

Qué significa “legible”

Empezando por lo que no es: No es “digitalizar”. Digitalizar es pasar el papel al Excel. Legible es otra cosa: que la operación esté descrita en términos que un sistema pueda entender y sobre los que pueda actuar.

Mi hipótesis de partida es que alcanza con un puñado de ideas:

• Estado: qué está pasando ahora (esa orden está atrasada, esa máquina está parada).
• Eventos: qué cambió y cuándo.
• Objetivos: qué se está intentando lograr, con número y plazo.
• Restricciones: qué no se puede hacer (capacidad, plata, una regla del dueño, situaciones coyunturales político / sociales, etc).
• Decisiones: qué opciones existen para actuar cuando algo se rompe.
• Autoridad: quién puede aprobar qué. Esta es la que casi ninguna empresa tiene siquiera escrita.
• Resultado: qué pasó después de decidir, para aprender.

Si una empresa tiene eso descrito —aunque sea de forma imperfecta— un agente puede hacer algo muy superior a simplemente responder preguntas sobre el ERP. Puede decir: “La orden 2841 está en riesgo. Propongo mover 38 unidades a la otra línea y avisar al cliente. ¿Autorizás?” Y después ejecutarlo. Y después verificar si funcionó.

Eso no es un chatbot. Es otra categoría de software.

Por qué desde acá

Las grandes empresas van a resolver esto con SAP, con Siemens, con Google. Ya lo están haciendo. Pero qué pasa con el otro 95% del ecosistema?

Me interesa lo que pasa allí: la planta de proucción de 40 personas en Canelones, el distribuidor en Rosario, el taller en Querétaro. Empresas que no van -y que NO PUEDEN- empezar de cero, que no tienen un equipo de datos, porque no pueden costearlo o simplemente porque es inaccesible para su estadío actual, pero que sin embargo tienen operaciones reales, con decisiones reales, todos los días.

Ese mundo lo conozco porque a esas empresas les hacemos software desde hace más de 10 años. Sé cómo son los datos, sé dónde viven las decisiones, sé qué se rompe. Y creo que ahí la capa que falta no la va a construir nadie de afuera, porque nadie de afuera lo entiende.

Qué voy a hacer

Durante cinco años voy a trabajar sobre esta única pregunta, en público.

• Investigar: formalizar esas primitivas y probarlas contra operaciones reales, empezando por las de nuestros propios clientes.
• Construir: experimentos chicos, uno por vez. ¿Puede un agente detectar una orden en riesgo antes que el encargado? ¿Puede respetar quién autoriza qué? Con baseline y resultado, no con demo.
• Publicar: qué probé, qué funcionó, qué falló y qué faltaba.

Y por último pero no menos importante: En español, PRIMERO, en español.

Una invitación

Si dirigís una operación —una planta, un depósito, una distribuidora, una obra— y algo de esto te suena, me interesa contrastar esta tesis con tu realidad. Para que validemos juntos si lo que planteo hace match con tu realidad y cómo.

Voy a publicar cada semana lo que aprenda. Incluyendo cuando me equivoque.

---

Pablo Ramos · Punta del Este · 18 Agosto 2026

---