El puente entre las personas y los sistemas.
El riesgo no es automatizar; es automatizar sin entender a la gente.
La mayoría de los proyectos de IA fracasan no por la tecnología, sino porque nadie leyó a la organización antes de instalarla. Cierro ese vacío: leo la trama humana y construyo el sistema con la misma mano. La transformación digital fracasa con una frecuencia que la industria prefiere no mirar — casi nunca por falta de tecnología, sino porque se instaló sobre una organización que nadie leyó. El problema no es la inteligencia artificial; es la falta de inteligencia social para saber dónde y cómo aplicarla.
Son tres formas de nombrar el mismo par. La mitad izquierda es la que casi nadie lee; la derecha, la que casi todos compran. El puente es tener las dos —y no soltar ninguna.
La tesis. Toda organización es un sistema sociotécnico: no se puede cambiar su tecnología sin leer primero su trama humana. Leer las dos —y construir en las dos— es lo que la transformación necesita y casi nunca encuentra junto.
El métodoLos cuatro eslabones, un solo bucle
No son cuatro especialidades sueltas: son los cuatro tramos de un mismo recorrido, de la inteligencia social a la artificial y de vuelta a la decisión de una persona. La diferencia con un equipo multidisciplinario es que no hay handoffs: las cuatro disciplinas se ejercen como una sola práctica, de modo que la hipótesis que surge de leer a la persona es la misma que modela el dato y diseña la IA, y no se degrada en los bordes. Esa continuidad es el producto.
gonzalo@flores:~$ ./metodo --bucle
[1] sociología ▸ [2] ing. software ▸ [3] ing. datos ▸ [4] gobernanza IA
lee la org construye dato confiable valor a la
(problema (la hipótesis (en su contexto decisión humana
humano) se vuelve de uso) (del dato a
herramienta) la persona)
▲ │
└──────────── el valor vuelve a la persona ◀────────────┘
y reabre el ciclo — sin handoffs Leer la organización
La lee como un sistema de actores y redes: traza los procesos reales —no los del manual—, sus entradas y salidas, y cómo circula la información, con qué códigos y lenguajes. Mapea cultura, incentivos y poder, y separa el problema declarado del real para dictaminar dónde la IA paga y dónde solo destruye valor.
Construir el sistema
Convierte esa lectura en software auditable y mantenible: backends, APIs, MCP —con entrega iterativa real (incremento usable, no teatro ágil) y disciplina de un entorno regulado.
Datos que no mienten
Garantiza que los datos existan, sean confiables y significativos en su contexto. Sin datos de calidad no hay IA: solo se automatizan los errores más rápido.
Devolver valor a la decisión
Diseña IA que amplifica el criterio de la persona, no que lo reemplaza. Cierra el bucle: del dato a la decisión humana, con controles de gobernanza auditables. Cuando la IA ejecuta sola, el criterio no desaparece: se corre al diseño y la auditoría de las reglas con que el agente decide.
Esos cuatro eslabones son el método —cómo pienso—. Como servicio se ofrecen en tres planos: plataforma (construir), gobernanza (gobernar) y adopción (habilitar). Cada plano se apoya en el bucle completo; ninguno es una caja suelta. Los tres están en la portada.
Contra qué me definoEl puente, no la comodidad
Cada par es una bifurcación, no un matiz. A la izquierda, el solucionismo tecnológico: la premisa de que todo problema se resuelve agregando tecnología. A la derecha, la premisa sociotécnica que sostengo: la tecnología solo funciona cuando se diseña junto con la organización que va a usarla. No son dos estilos del mismo oficio, sino dos teorías rivales sobre qué hace funcionar a un sistema.
Conceptos del paradigma
El hueco del mercado entre quienes entienden a la gente pero no construyen, y quienes construyen pero no leen a la gente. Ahí mueren los proyectos de transformación; ahí trabaja el puente.
Un dato técnicamente impecable que igual no dice lo que la gente cree, porque su significado depende de un contexto humano que se perdió. Casi siempre, la huella de un proceso mal incentivado.
El pasivo que se acumula al instalar tecnología sin resolver el subsistema social. No aparece en el código; se cobra en adopción nula, sabotaje y rechazo.
La IA buena le devuelve poder de decisión a la persona; la mala se lo quita. Sobre todo en el Estado: amplifica al trabajador, no lo sustituye.
De la planilla a los agentes que ejecutan solos, la adopción se sube peldaño a peldaño —pero en pyme rara vez es irreversible: progreso episódico que exige repetir la foto (IMIA) y sostener higiene sociotécnica. Cuanto más alto el escalón, más cara se paga haber salteado la lectura humana.
La misma herramienta amplifica lo que encuentra: sobre orden y criterio, multiplica valor; sobre desorden y sin un juicio que la filtre, multiplica el daño. El puente es lo que decide el signo.
El trabajo técnico previo a firmar —relevar el problema, diseñar la solución, dimensionarla y proponerla— ejercido por la misma persona que después va a construir, no por un comercial que traspasa el encargo. Comprometer alcance y precio es donde el vacío de traducción se abre en su punto más caro; la preventa integrada lo cierra.
El contexto que un agente de IA necesita para operar con criterio no se fabrica al final: es la memoria institucional y el glosario que el método construye desde el primer eslabón. La organización que no puede explicar su proceso a una persona tampoco puede empaquetarlo como contexto para un agente. La legibilidad de la organización es el contexto.
El uso no gobernado de IA generativa por fuera de toda política, a menudo con datos internos. Contra el encuadre habitual —riesgo de seguridad a prohibir—, lo leo como síntoma: el workaround de siempre, demanda latente vuelta visible, ahora con un LLM en vez de una planilla paralela. Dice qué le falta a la persona para trabajar. La respuesta no es prohibir: es leer la necesidad y gobernarla.
Pymes y sector público
Mido la madurez primero con IMIA —y la repito, porque la adopción en pyme suele ser recursiva y episódica, no una escalera de ida. Tres mecanismos de campo marcan el bucle: bricolaje sociotécnico, dependencia del campeón y economía del café. La evidencia obliga prudencia: en Kenia, la IA generativa mejoró a los de alto rendimiento (~+15%) pero empeoró a los de bajo (~−8%).
No instalo sistemas: rediseño la acción estatal desde la óptica del ciudadano —multicanalidad cuando hay derechos en juego, gobernanza de datos e IA auditable—. En el Estado, lo que no se puede auditar no se puede usar. El mapa de referencia es la OCDE 2025 (Governing with Artificial Intelligence): unos 200 casos de uso en 11 funciones core, bajo tres pilares —habilitadores, salvaguardas y participación.
Ensayo · pymes y adopción episódica · Ensayo · sector público y auditabilidad · Ensayo · por qué el 95% no captura valor · Ensayo · shadow AI como síntoma · Ensayo · IA y formación de expertos · Ensayo · IA agéntica y contexto · Ensayo · la IA como tecnología normal
En América Latina la penetración de IA no llega al 4% —frente a más del 20% en Europa— y dentro de cada país la distancia entre grandes firmas y pymes es enorme (en Brasil, 41% vs. 11%). Esa brecha es la oportunidad y la misión a la vez. El ancla regional actualizada para situarla es el ILIA 2025 (CEPAL/CENIA): mide 19 países del área y los clasifica en pioneros, adoptantes y exploradores según la madurez del ecosistema —una foto comparada en lugar de cifras sueltas—. Fuentes: CEPAL, 2024; ILIA 2025 (CEPAL/CENIA).
En qué se apoyaFundamentos
No es intuición de consultor: es un marco sostenido por investigación con décadas de respaldo.
- Sistemas sociotécnicos (Trist & Bamforth, 1951; Mumford) — el subsistema social y el técnico se optimizan juntos o fracasan; la alineación es negociación continua, no destino (Amanollahnejad et al., 2026 en pyme).
- Teoría del actor-red (Latour, 2005; Callon) — la tecnología se estabiliza cuando logra traducir y alinear los intereses de los actores.
- IA centrada en el humano (Shneiderman, 2020; Dignum, 2019; O'Neil, 2016) — la IA debe amplificar y dar control a las personas, no aislarlas.
- Calidad de datos contextual (Wang & Strong, 1996; Redman, 2008) — la calidad es aptitud para el uso; sin contexto social, el dato miente.
- Madurez para la IA (Jöhnk et al., 2021; Schein, 2010) — preparación multidimensional; cultura en tres niveles (artefactos, valores, supuestos) y coherencia con la estrategia.
El desarrollo completo —tesis, evidencia, método y fundamentos— vive en el libro digital El puente sociotécnico; su núcleo se sintetiza en el ensayo La transformación digital no es un problema técnico.
Inteligencia social para tu inteligencia artificial
Diagnóstico sociotécnico, plataforma de datos, o gobernanza y adopción de IA. Para empresas, organismos e instituciones.