¿Puede la IA resolver el caos organizacional sin comprenderlo?

Las organizaciones funcionan como sistemas caóticos donde procesos no documentados, reglas informales y flujos de trabajo improvisados conviven en aparente desorden. Descrito por el Garbage Can Model, este fenómeno explica cómo las decisiones frecuentemente emergen del choque aleatorio entre problemas, soluciones y tomadores de decisiones, en lugar de surgir de procesos racionalmente planificados. La adopción de IA en empresas ha requerido tradicionalmente un minucioso mapeo de estos flujos caóticos, una tarea larga y costosa. Sin embargo, la investigación en inteligencia artificial apunta a una alternativa: la Bitter Lesson. Formulada por el investigador Richard Sutton, esta teoría sugiere que en el desarrollo de IA, la potencia computacional cruda combinada con aprendizaje automático generalizado frecuentemente supera soluciones elegantes basadas en conocimiento humano codificado — como ejemplificó AlphaZero al dominar ajedrez sin conocimiento previo de aperturas o estrategia. La comparación entre dos sistemas de IA agentes ilustra esta tensión: Manus, construido con ingeniería cuidadosa y amplio ajuste manual, versus ChatGPT agent de OpenAI, entrenado con aprendizaje por refuerzo enfocado únicamente en la calidad del resultado. Mientras Manus sigue procesos predefinidos, ChatGPT agent traza su propio camino a través del caos organizacional. Los resultados prácticos sugieren ventajas para el enfoque centrado en resultados, indicando que las organizaciones futuras podrían evitar mapear sus procesos internos, simplemente entrenando IA para reconocer y producir resultados de calidad sin importar la ruta tomada internamente.