La IA como transformador de valor, no como empleado: ubicar la IA en los flujos de valor organizacionales

Texto completo

1 Introducción

Las organizaciones que adoptan herramientas de IA suelen describirlas con el lenguaje de la dotación de personal. Un asistente de soporte "se encarga" de una parte de las solicitudes. Un asistente de programación "hace el trabajo de" cierto número de ingenieros. Un caso de negocio compara el coste de una suscripción a un modelo con el coste de un empleado a tiempo completo. El sistema de IA se trata como un empleado digital: recibe tareas, las completa, y su contribución se contabiliza como tareas completadas o puestos de trabajo evitados.

Este artículo sostiene que el marco del empleado es un error de categoría, y que el error no es inocuo. Dirige la medición hacia el lado del productor de un flujo de valor, donde la IA es más fuerte, y la aleja del lado del receptor, donde el valor realmente se realiza. El resultado es un patrón conocido: paneles de control que muestran una producción creciente mientras clientes, colegas y revisores absorben un retrabajo que ningún informe atribuye al sistema de IA.

La alternativa que se propone aquí proviene de la Teoría de la Gestión del Valor (Value Management Theory, VMT) y de la metodología Æilus. En la VMT un transformador es un rol, no una entidad: un actor en ese rol consume valor y produce nuevo valor planificado para otra persona (A7). La IA encaja exactamente en este rol. Situado como transformador en un flujo de valor, un sistema de IA tiene entradas que cuestan algo, salidas que son hipótesis hasta que un receptor las consume, y subproductos que pueden ser antivalor. Una vez situado de este modo, se hacen visibles las preguntas correctas sobre la adopción y la medición.

Este es el cuarto artículo de una serie de ocho sobre la aplicación de Æilus en las organizaciones; las definiciones siguen las del primer artículo, "Value, Anti-Value and Value Flows: A Working Vocabulary for Practitioners". El aparato formal de la VMT y la moneda de valor Æ no se vuelven a derivar aquí; se exponen en Bolshakov (2026), "Value Management Theory and Employee-Centric Competitive Advantage: A System-Level Perspective". El artículo es conceptual. No contiene datos medidos, y las únicas cifras que incluye pertenecen a un escenario etiquetado explícitamente como hipotético.

2 Alcance, sistema de valor y base teórica

2.1 De quién es el valor que se mide

La VMT sostiene que el valor existe solo dentro de un sistema de valor definido (A1) y que el mismo suceso puede leerse de manera distinta en sistemas distintos (A2). Por tanto, las afirmaciones sobre "el valor de la IA" están incompletas hasta que se nombra el sistema. Este artículo utiliza un único sistema de valor en todo su desarrollo: una organización de entrega y sus receptores directos. Sus actores son los equipos y funciones de la organización, el sistema de IA en su rol de transformador, las personas que revisan o corrigen la salida de la IA y los receptores externos del trabajo de la organización (clientes, usuarios o consumidores internos de otra función). Sus flujos son las solicitudes, los artefactos y las decisiones que circulan entre ellos. El proveedor de IA, el mercado laboral y la sociedad en general quedan fuera del límite y se tratan únicamente a través de flujos externos (A10).

La elección importa. Dentro del sistema de valor del proveedor, cada token generado es un ingreso realizado. Dentro del sistema de la organización, el mismo token puede ser valor, ruido o antivalor según lo que el receptor haga con él. Como establece T15, desplazar el límite cambia la conclusión sin cambiar la realidad. El análisis que sigue es válido solo para el límite declarado aquí.

2.2 Axiomas y teoremas utilizados

El argumento se apoya en A4 y T3 (el valor planificado y el realizado divergen), A5 (el antivalor es independiente del valor), A6 (el valor se realiza con el consumo), A7 (transformación), A8 y T7 (condiciones de participación), T4 y T6 (la resistencia y la distorsión se acumulan), T5 (la optimización local no garantiza una mejora global), T8 (la redundancia de un rol de transformación aumenta la sostenibilidad), y T16 y T17 (la interpretación no confirmada por la realización es inestable y acumula antivalor).

3 El error de categoría del "empleado digital"

3.1 Qué cuenta el marco del empleado

El marco del empleado importa un hábito de medición propio de la gestión de personal. Un empleado es contratado para un rol, se le asigna una carga de trabajo y se le evalúa por su rendimiento y su coste. Cuando la IA se sitúa en el mismo marco, dominan tres cifras: el volumen de elementos de trabajo procesados, la proporción de una carga de trabajo "asumida" y el coste de equivalente a tiempo completo (FTE) evitado. Las tres se miden allí donde el trabajo sale del productor.

En el caso de los empleados humanos este hábito es tolerable por una razón que rara vez se enuncia: un operador humano observa al receptor. Un agente de soporte percibe que el cliente sigue enfadado. Gran parte de la brecha entre el valor planificado y el realizado se corrige de manera informal, dentro de la persona, antes de que ninguna métrica la registre. La métrica del lado del productor funciona porque el productor lleva incorporado un sensor del lado del receptor.

Un sistema de IA no lleva ese sensor por defecto. Produce muy bien el lado planificado del valor: una salida fluida, rápida y segura en gran cantidad. No observa, salvo que se le conecte explícitamente a ello, si la salida cambió el estado del receptor. Por tanto, el marco del empleado mide la IA allí donde la IA luce mejor y deja de medir allí donde aparece la diferencia entre el plan y el hecho.

3.2 Qué oculta el marco

Cuatro cosas desaparecen de la vista bajo el marco del empleado.

1. El lado del consumo del transformador de IA. Las comparaciones de plantilla cuentan el coste de licencia o de cómputo del modelo e ignoran la atención humana, el esfuerzo de revisión y la preparación de datos que el transformador también consume.
2. El veredicto del receptor. "Completado" lo declara el productor. No se registra si el estado del receptor mejoró.
3. El trabajo desplazado. El trabajo que la salida de la IA no llega a terminar se traslada aguas abajo, al receptor o a un revisor. En el informe del productor ha desaparecido; en el sistema sigue presente.
4. La acumulación. El retrabajo, la pérdida de confianza y la erosión de habilidades no son costes puntuales. Según T4 y T6 se acumulan y reducen la capacidad futura del sistema para realizar valor.

El planteamiento de sustitución por FTE también supone que el rol humano y el rol de la IA son sustitutos con la misma salida. En términos de la VMT son transformadores distintos, con perfiles de entrada y de salida diferentes.

4 La IA como rol de transformador

4.1 Transformador, no entidad

La VMT y Æilus definen un transformador por lo que hace en un flujo, no por lo que es. Una persona, un equipo, un servicio o una herramienta pueden ocupar un rol de transformador; en un Esquema de Sistema de Valor el rol se dibuja como un conversor (converter), el nombre que Æilus da a un nodo transformador. Este planteamiento elimina la pregunta "¿es la IA un trabajador o una herramienta?" y la sustituye por otra más útil: ¿qué consume este transformador, qué produce y quién recibe la salida?

4.2 Qué consume un transformador de IA

Un transformador de IA tiene al menos cuatro tipos de entrada. Cada una es un elemento de valor consumido desde algún punto del sistema.

• Datos y contexto. Instrucciones (prompts), documentos, tickets, código, historial de clientes. Alguien los creó, los depuró y los mantiene, y su calidad fija un límite superior para la salida.
• Cómputo y licencias. El coste visible, normalmente el único del caso de negocio.
• Atención humana. Redactar instrucciones, plantear las tareas, dirigir la interacción. Se consume de personas que de otro modo estarían haciendo otro trabajo.
• Esfuerzo de revisión. Leer, comprobar, corregir y aprobar la salida. En muchos usos es la entrada mayor, y recae sobre el presupuesto de otra persona.

4.3 Qué produce un transformador de IA

Las salidas son elementos de valor en el sentido de la serie: borradores, respuestas, código, clasificaciones, resúmenes, decisiones. Cada una comienza como una hipótesis de valor. Lleva el valor planificado tal como lo interpreta el productor y solo se vuelve medible cuando el siguiente transformador la consume (A6). El transformador de IA también puede producir antivalor: respuestas erróneas, resúmenes engañosos, código que habrá que eliminar más adelante y los efectos descritos en la sección 7.

La definición de eficiencia de un conversor en Æilus hace explícito el equilibrio. La eficiencia de un conversor es

E = (produced value - produced anti-value) / (consumed value - consumed anti-value)

con todos los términos expresados en Æ dentro del sistema declarado. Dos rasgos de esta fórmula importan para la IA. En primer lugar, el denominador incluye el esfuerzo de revisión y la atención humana, no solo el cómputo. En segundo lugar, el numerador resta el antivalor producido, que el marco del empleado nunca registra. Un transformador de IA con un volumen de salida impresionante puede tener una eficiencia baja o negativa una vez realizadas ambas correcciones. El mismo transformador puede ser eficiente en un sistema de valor y destructivo en otro.

5 Valor planificado frente a valor realizado de la salida de la IA

5.1 Por qué la IA parece fuerte en el lado planificado

A4 establece que el valor planificado y el valor realizado generalmente difieren; T3 añade que la divergencia cero es un caso especial inestable. En el trabajo humano, la divergencia se modera mediante la observación que el propio productor hace del receptor. En el caso de la salida de la IA, la divergencia tiene un sesgo estructural. La salida generada se optimiza para parecer una respuesta correcta. La fluidez y la confianza pertenecen al lado planificado; la corrección y la aplicabilidad pertenecen al lado realizado.

La IA eleva el valor planificado de forma rápida y barata. Si el valor realizado no se mide por separado, la organización interpreta ese aumento como progreso: el patrón que T16 describe como estructuralmente inestable.

5.2 Retrabajo oculto

Cuando el valor realizado queda por debajo del valor planificado, la diferencia no desaparece. Se convierte en trabajo en otro punto del flujo. Un cliente vuelve a contactar con soporte. Un gerente reescribe un correo electrónico generado. Un ingeniero corrige código generado.

El informe del transformador de IA muestra un elemento terminado, y el transformador receptor absorbe el costo: un caso de T5: una mejora local en el rendimiento de un transformador no garantiza la mejora del sistema. También coincide con la observación general de la gestión basada en flujos de que el trabajo oculto en colas y retrabajos es invisible para las métricas de actividad (Reinertsen, 2009). La lectura de la VMT añade un punto: el trabajo oculto no es una demora neutral sino antivalor, y según T4 se acumula como resistencia de flujo en la interfaz entre el transformador de IA y su receptor.

6 La métrica del lado del receptor

Si el valor se realiza en el consumo (A6), entonces es el receptor, y no el productor, quien lo valida. Esta es la regla central de medición del artículo: el valor de la salida de la IA se mide en el transformador que la consume, no en el transformador de IA que la produce. El pensamiento Lean plantea un punto relacionado cuando define el valor desde el punto de vista del cliente final (Womack and Jones, 1996); la VMT lo generaliza a todo receptor interno de un flujo.

Una métrica del lado del receptor empareja cada conteo del lado del productor con una observación de lo que ocurrió después. Algunos ejemplos:

La brecha entre las dos columnas es el número más informativo que puede seguir un programa de IA. Estima el trabajo desplazado y el antivalor producido en la interfaz. Una brecha creciente indica que el programa está escalando la interpretación más rápido que la realización.

Las métricas del lado del receptor también protegen contra un fallo predecible. Una métrica del lado del productor que se convierte en objetivo se cumplirá produciendo más de lo que cuenta, una dinámica que suele asociarse con Goodhart (1975). La IA hace esto barato. Un asistente cuyo objetivo son las "solicitudes cerradas" cerrará solicitudes. Anclar el objetivo en el estado del receptor hace más difícil cumplirlo sin entregar valor.

7 Antivalor específico de la IA

A5 trata el antivalor como independiente del valor: un transformador de IA puede producir valor real y antivalor real en el mismo período, y ambos no se cancelan en la experiencia del receptor. Los siguientes tipos de antivalor son característicos de los transformadores de IA. Se enumeran como categorías para observar, no como frecuencias medidas.

• Errores confiados. Salida incorrecta presentada con la misma fluidez que la salida correcta. El receptor no puede usar el tono para distinguirlas, de modo que toda salida debe revisarse o el error pasa a los procesos siguientes.
• Carga de revisión. El esfuerzo necesario para verificar la salida. Crece con el volumen de salida, no con su calidad.
• Erosión de habilidades. Cuando el transformador de IA se encarga del primer borrador del trabajo, las personas que solían producirlo pueden perder la práctica que las hacía buenos revisores. Según T6, esta distorsión acumulada reduce la capacidad futura del sistema para realizar valor, incluida su capacidad para detectar errores de la IA.
• Pérdida de confianza. Cada interacción fallida reduce la confianza del receptor en el canal. Según A8 y T7, cuando se viola una condición de participación, el actor se va o cambia la forma de participación.
• Inflación de interpretaciones. La salida de la IA puede citarse, resumirse y transmitirse más rápido de lo que se verifica. Según T17, las interpretaciones influyentes que no son confirmadas por la realización acumulan antivalor: un resumen generado citado en tres decisiones propaga sus errores tres veces.

Ninguno de estos aparece en una comparación de FTE. Todos son observables si se instrumenta el lado del receptor del flujo.

8 Nombrar y ubicar el rol de la IA

8.1 Nombrar el rol por su salida y su receptor

"La IA reemplazó al analista" oculta el flujo. "La IA produce el primer borrador del informe semanal; el analista verifica las conclusiones" nombra un transformador, su salida, su receptor y el paso de revisión. Una regla de nomenclatura útil tiene tres partes:

1. el elemento de valor que produce la IA (borrador, respuesta, clasificación, cambio de código);
2. el receptor que lo consume (cliente, revisor, siguiente equipo);
3. la condición bajo la cual el receptor lo acepta (verificado, aprobado, utilizado sin retrabajo).

8.2 Propiedad

Un sistema de IA no puede asumir la responsabilidad por el valor, porque no interpreta los cambios en su propio estado como valor o antivalor. En términos de Æilus, ocupa un rol de transformador pero no un rol de propietario. El Propietario del Transformador de Valor (VTO) del transformador que contiene la IA es responsable de su valor realizado y reevaluado retrospectivamente, del antivalor que crea y de su capacidad para seguir participando sin degradar el sistema. El Propietario del Sistema de Valor (VSO) es responsable de si añadir el transformador de IA mantiene sostenible el sistema en su conjunto y mantiene intactas las condiciones de participación de otros actores, incluidos los revisores cuya carga aumenta.

Cuando la interfaz entre el transformador de IA y su receptor se convierte en una fuente persistente de resistencia, se aplica el rol de Propietario del Flujo.

8.3 Roles emparejados y redundancia

Según T8, la redundancia de un rol de transformación aumenta la sostenibilidad. Emparejar una IA y una persona en un mismo rol, de modo que cada una detecte los fallos de la otra, es una redundancia de este tipo. El emparejamiento debe ser visible en el esquema, de modo que la mitad humana se cuente como un insumo y no se trate como gratuita.

8.4 Ubicación en un Esquema de Sistema de Valor

En un Esquema de Sistema de Valor (VSS), el rol de la IA se dibuja como un convertidor con entradas y salidas explícitas. Una ubicación mínima incluye:

• flujos entrantes: datos y contexto, cómputo, esfuerzo de instrucción humana, esfuerzo de revisión;
• flujos salientes: los elementos de valor producidos, cada uno dirigido a un convertidor receptor nombrado;
• un flujo de antivalor: errores confiados y retrabajo devueltos o transmitidos a los procesos siguientes;
• valores planificado y realizado en Æ en cada flujo saliente, con el valor realizado registrado en el receptor.

Dibujado así, el esquema a menudo revela un flujo que el caso de negocio omitió, típicamente el esfuerzo de revisión. Según T9, si la estructura no explica los costos observados, existen flujos latentes o el límite es incorrecto.

9 Implicaciones para la adopción y para la medición de los programas de IA

9.1 Decisiones de adopción

La visión del transformador cambia la pregunta de adopción de "¿qué trabajos puede hacer la IA?" a "¿en qué flujos elevaría un transformador de IA el valor realizado en el receptor, neto del antivalor y del esfuerzo de revisión que añade?".

• Prefiera flujos en los que el receptor pueda validar a bajo costo. Si comprobar un resultado cuesta casi lo mismo que producirlo, el transformador de IA aporta poco. Si el receptor puede confirmar la calidad con rapidez, el transformador puede aportar mucho.
• Sea cauto donde los errores son silenciosos. Cuando un resultado erróneo no se detecta hasta mucho después, el valor retrospectivo puede volverse negativo mucho tiempo después de que el programa haya sido declarado un éxito.
• Contabilice el presupuesto de revisión antes del despliegue. Las personas que revisarán los resultados son actores con sus propias condiciones de participación. Un despliegue que las viole (A8) las perderá o cambiará la forma en que participan (T7).
• Planifique el crecimiento solo cuando la entrega esté confirmada. Æilus pide a los VTO que aumenten el valor planificado solo cuando la demanda, la entrada y la capacidad de entrega estén confirmadas (T16).

9.2 Medición de los programas de IA

Para la revisión de un programa, este artículo sugiere cuatro mediciones, todas dentro del sistema de valor declarado:

1. El valor realizado en el receptor, por flujo, en Æ o en un indicador sustituto declarado, registrado por el transformador receptor.
2. La brecha entre plan y hecho: el recuento del lado del productor menos la confirmación del lado del receptor, seguida a lo largo del tiempo.
3. El consumo completo: cómputo y licencias más el esfuerzo de revisión y la atención humana estimados.
4. Indicadores de antivalor: contactos repetidos, cambios revertidos, resultados corregidos, quejas y señales de erosión de habilidades o de menor confianza.

Un programa que informa solo de volumen y de ahorro de FTE está informando de valor planificado. Puede ser correcto, pero aún no ha sido confirmado.

10 Escenario ilustrativo

El siguiente escenario es hipotético. Las cifras se han elegido por comodidad aritmética y no describen ninguna organización ni medición.

Una organización de producto introduce un asistente de IA en su flujo de soporte. En un mes hipotético, el flujo recibe 1.000 solicitudes. El asistente marca 700 de ellas como cerradas, y el informe interno afirma que el asistente "gestiona el 70 por ciento del soporte". Bajo el marco del empleado, esto se lee como si se hubiera eliminado siete décimas partes de la carga de trabajo de un equipo de operadores.

Ahora situemos al asistente como transformador y observemos el lado del receptor. Supongamos que 250 de las 700 solicitudes cerradas regresan en una semana como contactos repetidos sobre el mismo problema, ahora atendidos por operadores humanos y ahora por clientes más frustrados que antes. Supongamos también que los operadores dedican tiempo a leer la transcripción del asistente antes de responder a cada contacto repetido.

La vista del lado del receptor no dice que el asistente haya fracasado. En esta hipótesis, 450 clientes vieron resuelto su problema con rapidez, lo cual es valor realizado real. Lo que muestra es que el valor planificado de 700 cierres incluía 250 hipótesis que los receptores rechazaron. Esas 250 se convirtieron en tres tipos de antivalor: trabajo adicional de los operadores en casos más difíciles que la media, esfuerzo de revisión de transcripciones y menor confianza de los clientes en el canal. La carga de trabajo de los operadores disminuyó menos de lo que el informe implicaba, y la carga restante se volvió más difícil.

Un VTO que sea responsable del transformador de soporte actuaría sobre la brecha, no sobre el 70 por ciento. Entre las opciones están restringir el asistente a los tipos de solicitud en los que los receptores confirman la resolución, derivar antes los casos inciertos a personas y añadir una comprobación del lado del receptor ("¿resolvió esto su problema?") antes de contar una solicitud como cerrada. Si alguna de ellas aumenta el valor realizado neto es una cuestión empírica; el escenario solo muestra qué cifras se necesitan para responderla.

11 Limitaciones

Este artículo es un análisis conceptual derivado de los axiomas y teoremas de VMT y del material metodológico de Æilus. No presenta datos empíricos. Las categorías de antivalor de la sección 7 se proponen como categorías observables; su frecuencia y magnitud en organizaciones reales no se conocen a partir de este trabajo.

La medición del lado del receptor puede ser costosa, y algunos receptores no pueden informar de su estado. Convertir en Æ el esfuerzo de revisión, la confianza y la erosión de habilidades requiere una política de agregación definida por el VSO, y tales valores son solo parcialmente conmensurables (A13). Un límite diferente, por ejemplo uno que incluya al proveedor de IA, produciría conclusiones distintas (T15). El artículo también trata el sistema de IA como un transformador fijo, mientras que los sistemas que aprenden de la retroalimentación del receptor pueden modificar con el tiempo su brecha entre plan y hecho.

La validación requeriría la observación longitudinal de transformadores de IA en varios sistemas de valor, con el valor planificado, el valor realizado del lado del receptor, el esfuerzo de revisión y los indicadores de antivalor registrados sobre los mismos flujos a lo largo del tiempo.

12 Conclusión

Tratar la IA como un empleado digital la mide en el lado del productor de un flujo, donde es más fuerte, y deja sin medir el lado del receptor, donde se realiza el valor. Tratar la IA como un rol de transformador (A7) hace visible el intercambio completo: consume datos, cómputo, atención humana y esfuerzo de revisión, y produce elementos de valor que siguen siendo hipótesis hasta que un receptor los consume (A6). El valor planificado y el valor realizado del resultado de la IA divergen (A4, T3), y la divergencia se convierte en retrabajo oculto y en antivalor que se acumula (A5, T4, T6).

Las consecuencias prácticas: declare de quién es el valor que se mide. Nombre el rol de la IA por su resultado y su receptor. Dibújelo en el Esquema de Sistema de Valor con todas sus entradas, incluida la revisión. Mida el valor donde se consume el resultado y haga seguimiento de la brecha entre los recuentos del lado del productor y la confirmación del lado del receptor. Asigne la responsabilidad a un VTO, no al sistema mismo. Escale solo lo que los receptores hayan confirmado. Un programa de IA medido de esta manera puede parecer menos impresionante en su primer informe y ser considerablemente más útil en los posteriores.

Referencias

• Bolshakov, V. Value Management Theory and Employee-Centric Competitive Advantage: A System-Level Perspective. ÆVRI, 2026.
• Bolshakov, V. Value, Anti-Value and Value Flows: A Working Vocabulary for Practitioners. ÆVRI, 2026.
• Bolshakov, V. Æilus Methodology v2.0. aeilus.tech, 2026.
• Bolshakov, V. Rethinking Efficiency: Value Systems, Flows, Converters, and Elements. aeilus.tech, 2026.
• Bolshakov, V. Value Elements: What We Actually Produce and Consume. aeilus.tech, 2026.
• Goodhart, C. A. E. Problems of Monetary Management: The U.K. Experience. 1975.
• Reinertsen, D. G. The Principles of Product Development Flow. 2009.
• Womack, J. P. y Jones, D. T. Lean Thinking. 1996.