La ventaja de la IA depende del criterio con que decidimos

IA CON CRITERIO · Juan Carlos Cardona Prada

El Global Skills Report 2026 invita a revisar una prioridad de la alta dirección: desarrollar las capacidades humanas que permiten convertir el uso de inteligencia artificial en mejores decisiones.

Una empresa puede incorporar inteligencia artificial y seguir tomando decisiones deficientes. Puede producir análisis más rápido, multiplicar sus informes y automatizar tareas sin mejorar la manera en que define sus problemas, contrasta sus supuestos o responde por las consecuencias. La velocidad adquiere valor cuando está acompañada de dirección.

Esta es la lectura que propongo del Global Skills Report 2026: The AI-Human Skills Advantage, publicado por Coursera con evidencia de aprendizaje de Coursera y Udemy. Su aporte al debate empresarial consiste en poner en relación el aprendizaje de IA y las capacidades humanas necesarias para aplicarla. Para quienes trabajamos en estrategia, docencia y decisiones de alta dirección, esa relación merece atención.

El pensamiento crítico gana relevancia

El informe registra un crecimiento interanual del 107 % en las inscripciones de pensamiento crítico en Coursera. También reporta aumentos del 67 % en las inscripciones de IA y del 132 % en las de IA generativa en esa plataforma. Son indicadores de demanda de formación, no medidas directas de competencia adquirida ni de productividad empresarial. Aun con esa precisión, muestran interés por aprender tanto a utilizar estas herramientas como a juzgar sus resultados (pp. 7, 23 y 28).

Mi interpretación es que el criterio se vuelve más necesario a medida que resulta más fácil generar respuestas convincentes. Un argumento bien redactado puede apoyarse en un dato equivocado; una recomendación coherente puede omitir una restricción decisiva del negocio. La calidad de la presentación no reemplaza la calidad de la evidencia.

El trabajo directivo incluye formular la pregunta pertinente, reconocer qué información falta y determinar qué riesgos estamos dispuestos a asumir. La IA puede ampliar nuestra capacidad de análisis, pero debemos establecer cómo se verifican sus aportes y quién responde por la decisión.

Las pymes necesitan definir qué delegan

En las pequeñas y medianas empresas y en las organizaciones de estructura plana, una misma persona suele concentrar decisiones comerciales, financieras y operativas. Mi hipótesis es que la IA puede ampliar su capacidad de análisis, siempre que la adopción incluya límites claros de autonomía y responsabilidades explícitas.

Para llevar esta discusión a la práctica, propongo distinguir tres ámbitos. Esta clasificación es un marco de análisis propio, no una clasificación presentada por el informe:

• Decisiones automatizadas. Procesos repetitivos con reglas verificables, consecuencias acotadas y mecanismos de reversión. Por ejemplo, activar una alerta de inventario al alcanzarse un umbral previamente aprobado.

• Decisiones híbridas. Situaciones en las que la IA organiza información, construye escenarios o recomienda alternativas, y una persona revisa y autoriza. La evaluación de un proveedor puede combinar análisis automatizado con juicio sobre calidad, continuidad y relación comercial.

• Decisiones de conducción humana. Definiciones sobre propósito, compromisos éticos, prioridades estratégicas y riesgos que la organización acepta. La IA puede aportar elementos de juicio; la responsabilidad de decidir permanece en las personas designadas.

La ubicación de una decisión puede cambiar según su impacto, la calidad de los datos y la capacidad de supervisión. Una recomendación de compra rutinaria puede requerir intervención directiva si compromete la liquidez o crea dependencia de un proveedor. Por eso conviene evaluar decisiones concretas antes de asignar autonomía a una herramienta.

Formar para decidir y comprobar

El informe sitúa entre las capacidades humanas destacadas el juicio, la ética, la gobernanza y la solución de problemas complejos. Asimismo, identifica interés en agentes de IA y en la integración de flujos de trabajo. La conexión es relevante: cuando un sistema puede ejecutar varios pasos, debemos definir qué puede hacer, cuándo debe detenerse y quién revisa sus actuaciones (pp. 23–29).

Propongo que la formación empresarial se organice alrededor de decisiones reales. Un equipo puede aprender a utilizar una herramienta mientras compara opciones de abastecimiento, revisa una proyección de caja o prepara escenarios comerciales. El ejercicio debe exigir que explique sus supuestos, compruebe la información y documente por qué acepta o rechaza la recomendación.

Esto también tiene consecuencias para la universidad. Si un estudiante entrega un análisis apoyado por IA, la evaluación puede pedirle que defienda la elección de fuentes, identifique una debilidad del resultado y explique qué evidencia modificaría su conclusión. Aprender a argumentar y revisar conserva su lugar central en la formación profesional.

Lo que el informe permite afirmar

El reporte se apoya en datos procedentes de una base de más de 300 millones de usuarios registrados, pero esa cifra no equivale a una muestra de personas evaluadas en todas sus competencias. Su índice compara 98 países y combina indicadores de aprendizaje con condiciones de preparación nacional. Además, las métricas de Coursera y Udemy se analizan por separado; no constituyen una única base homogénea (pp. 5 y 36–40).

Estas condiciones importan. Inscribirse en un curso no demuestra dominio; aprender una habilidad no prueba su aplicación; aplicarla no garantiza un mejor resultado. Utilizaría el informe como una señal para orientar preguntas y prioridades de formación, acompañada de evidencia propia sobre desempeño.

La responsabilidad de la alta dirección

Mi propuesta para una organización que empieza es seleccionar una decisión recurrente, identificar sus riesgos y establecer el papel de la IA. Después, fijar quién verifica los datos, quién autoriza la actuación y cómo se evalúa el resultado. Ese ejercicio convierte una intención tecnológica en una práctica de gestión que puede revisarse y mejorarse.

La formación debe acompañarse de indicadores: errores detectados, tiempo de revisión, calidad de los escenarios y efectos sobre el negocio. Así podemos examinar si el uso de IA está ampliando nuestra capacidad de decidir o simplemente aumentando la cantidad de respuestas disponibles.

El criterio se demuestra al reconocer cuándo una recomendación es útil, cuándo necesita revisión y cuándo debe rechazarse. Cultivarlo es una responsabilidad de quienes dirigimos, asesoramos y enseñamos. Esa es la capacidad que quiero poner en el centro de una conversación sobre IA y estrategia.

Para conversar: ¿Qué decisión de su organización podría apoyarse en IA y qué condiciones exigiría antes de permitirle actuar con autonomía?

Documento comentado: Coursera. (2026). Global Skills Report 2026: The AI-Human Skills Advantage. Consultar la publicación oficial y acceder al informe.

Juan Carlos Cardona Prada · Ingeniero industrial, MBA y PhD. Trayectoria en posiciones C-level, asesoría estratégica a diversas empresas e instituciones y docencia universitaria.