Durante siglos, estrategas, matemáticos y jugadores profesionales intentaron resolver el mismo problema; cómo tomar mejores decisiones en entornos inciertos. En las campañas napoleónicas, los generales analizaron mapas durante horas antes de una batalla, intentando anticipar movimientos enemigos y calcular escenarios posibles. En las mesas de póker, los mejores jugadores aprendieron algo distinto; no podían controlar las cartas, pero sí operar mejor que otros bajo probabilidades imperfectas.
Y durante décadas, el ajedrez fue considerado la máxima expresión del cálculo racional hasta que apareció un desafío mucho más difícil para las máquinas; el juego Go, donde la intuición estratégica y el reconocimiento de patrones resultaban mucho más importantes que la fuerza bruta de cálculo.
Los tres ejemplos describen una misma tensión histórica. Siempre hemos intentado reducir la incertidumbre antes de actuar. Y siempre hemos descubierto que existe un límite a partir del cual el cálculo deja de ser suficiente. Los antiguos navegantes aprendieron hace siglos que incluso con mapas, estrellas y cálculos precisos, siempre existía un punto donde el océano dejaba de ser completamente legible.
Los jugadores de póker descubrieron que incluso la mejor probabilidad podía derrumbarse frente a una sola carta inesperada. Y los investigadores en inteligencia artificial comprobaron que algunos sistemas complejos no podían resolverse únicamente aumentando la capacidad computacional. La realidad siempre introduce variables imposibles de modelizar completamente.
Hoy esa tensión alcanza una nueva dimensión. La inteligencia artificial permite analizar cantidades masivas de información, generar escenarios alternativos y simular decisiones a una velocidad inédita. Un reciente artículo publicado en Forbes describía cómo herramientas basadas en IA permiten “simular 10.000 decisiones empresariales antes de elegir una”. La promesa implícita resulta extraordinariamente seductora; si podemos calcular suficientes escenarios, quizá podamos minimizar el error y tomar decisiones prácticamente óptimas. La incertidumbre empieza a percibirse como un problema técnico susceptible de ser modelado. El viejo sueño de anticipar el futuro mediante cálculo parece más cercano que nunca.
Sin embargo, cuanto más avanzan nuestras capacidades de cálculo, más evidente se vuelve algo incómodo; no todos los problemas humanos pueden resolverse únicamente mediante simulación probabilística. La inteligencia artificial puede ayudarnos a proyectar consecuencias, detectar anomalías y reconocer patrones invisibles para el análisis tradicional. Pero sigue existiendo un territorio donde las variables relevantes no son completamente visibles y donde el significado de una decisión no puede reducirse únicamente a probabilidades. Las decisiones más importantes rara vez son completamente calculables.
El psicólogo cognitivo Amos Tversky dedicó gran parte de su trabajo a estudiar cómo los seres humanos toman decisiones en contextos de incertidumbre. Sus investigaciones mostraron que las personas no evaluamos las probabilidades de forma completamente racional y que, incluso cuando disponemos de información suficiente, seguimos interpretando la realidad de manera parcial y limitada. El problema no es únicamente la falta de datos. Muchas veces ni siquiera sabemos qué variables son realmente importantes. La inteligencia artificial mejora extraordinariamente nuestra capacidad para procesar información y gestionar riesgos conocidos. Pero muchas decisiones fundamentales —estrategia, liderazgo, innovación o dirección vital— siguen ocurriendo en territorios donde la incertidumbre no puede eliminarse completamente.
Esto resulta especialmente visible en el entorno empresarial contemporáneo. Nunca habíamos tenido tantos datos, tantos modelos predictivos y tanta capacidad analítica y, sin embargo, numerosos estudios internacionales muestran crecientes dificultades para priorizar, sostener dirección estratégica y actuar con claridad en contextos de complejidad acelerada. Informes recientes de Harvard Business Review, McKinsey o el World Economic Forum apuntan precisamente a esta tensión; el problema ya no es únicamente la falta de información, sino la dificultad para interpretar qué merece realmente atención en sistemas cada vez más saturados de señales. La abundancia de información no siempre genera claridad. Muchas veces produce dispersión, fatiga cognitiva y ruido estratégico.
Es precisamente en ese espacio donde reaparece un concepto históricamente ambiguo y a menudo mal entendido; la intuición. Investigaciones en psicología cognitiva y neurociencia muestran que la intuición puede entenderse como un proceso de reconocimiento rápido de patrones basado en experiencia acumulada y procesamiento no consciente de señales complejas. La intuición no es lo contrario del análisis. Es una forma distinta de procesamiento cognitivo cuando el análisis completo resulta insuficiente o imposible.
Curiosamente, algo parecido ocurrió cuando la inteligencia artificial empezó a enfrentarse seriamente al Go. A diferencia del ajedrez, donde las máquinas podían imponerse aumentando profundidad de cálculo, Go exigía interpretar posiciones abiertas y ambiguas difíciles de evaluar mediante fuerza bruta. Los mejores jugadores humanos hablaban de “sentir” el equilibrio del tablero, detectar configuraciones emergentes y reconocer dinámicas difíciles de verbalizar completamente. La solución tecnológica no llegó eliminando la lógica intuitiva, sino intentando aproximarse a ella mediante reconocimiento avanzado de patrones.
El psicólogo alemán Gerd Gigerenzer lleva años defendiendo una idea incómoda para la obsesión contemporánea por el cálculo absoluto; en entornos complejos, más información no siempre conduce a mejores decisiones. Sus investigaciones sobre heurísticas e intuición muestran que, cuando el tiempo es limitado y las variables son imposibles de modelizar completamente, los expertos rara vez analizan todas las alternativas disponibles. En realidad, aprenden a reconocer patrones relevantes, descartar ruido y actuar utilizando reglas simples construidas a partir de experiencia acumulada. La intuición experta no aparece por ausencia de conocimiento, sino precisamente después de años de exposición a la complejidad.
Sin embargo, aquí surge otra tensión decisiva. No toda sensación interna es una intuición fiable. Un reciente artículo publicado en Time planteaba precisamente esta cuestión; cómo distinguir entre intuición genuina y ansiedad. En un entorno de sobreestimulación constante, muchas veces lo que interpretamos como “intuición” no es más que miedo anticipatorio, sesgo emocional o necesidad urgente de recuperar la sensación de control. No toda voz interna es una brújula fiable.
Y aquí aparece una diferencia fundamental que empieza a ser crítica en esta nueva etapa. La intuición y la brújula interior están relacionadas, pero no son exactamente lo mismo. La intuición permite detectar señales y reaccionar rápidamente en entornos ambiguos. La brújula interior opera en un nivel más profundo; integra valores, propósito, criterio y dirección vital. La intuición ayuda a decidir en momentos concretos. La brújula interior ayuda a decidir hacia dónde queremos avanzar a lo largo del tiempo.
Esta distinción resulta especialmente importante porque la inteligencia artificial multiplica nuestra capacidad de cálculo, pero no responde automáticamente a las preguntas más difíciles. Puede sugerir estrategias, comparar escenarios o maximizar probabilidades de éxito. Pero no puede determinar completamente qué entendemos por éxito, qué riesgos merece la pena asumir o qué tipo de impacto queremos generar. Cuanto más potentes se vuelven los sistemas externos de recomendación, más importante resulta desarrollar criterios internos suficientemente sólidos para no quedar atrapados únicamente en la lógica de la optimización.
Aquí emerge uno de los riesgos menos visibles de la era algorítmica. A medida que aumentan las herramientas de simulación y predicción, las personas pueden empezar a desconfiar tanto de su propio criterio que terminan delegando progresivamente el juicio en sistemas externos. Primero delegamos cálculos. Después recomendaciones. Más tarde priorizaciones. Finalmente aparece la tentación de externalizar la propia decisión. Cuando las decisiones empiezan a justificarse únicamente porque “el modelo lo recomienda”, el riesgo no es perder eficiencia; es perder criterio.
La paradoja contemporánea empieza a hacerse visible en múltiples ámbitos. Las organizaciones aceleran procesos de decisión gracias a la inteligencia artificial y, al mismo tiempo, muchos líderes reconocen creciente sensación de desorientación estratégica. Los profesionales tienen acceso a más herramientas que nunca y, sin embargo, aumentan las dudas sobre dirección vital y profesional. La tecnología multiplica opciones, pero no responde automáticamente a la pregunta más difícil; hacia dónde merece realmente la pena avanzar.
Blaise Pascal, uno de los pioneros de la teoría de la probabilidad, ya advertía que existen dimensiones humanas imposibles de reducir completamente al cálculo racional. Aristóteles diferenciaba entre conocimiento técnico y prudencia práctica, entendida como capacidad de juicio en contextos inciertos. Más recientemente, Nassim Nicholas Taleb ha insistido en los límites inevitables de los modelos predictivos cuando operamos en sistemas complejos y no lineales. La historia intelectual lleva siglos recordándonos que calcular mejor no equivale necesariamente a decidir mejor.
Por eso el verdadero desafío de esta nueva etapa no consiste únicamente en desarrollar mejores algoritmos. Consiste en aprender a combinar cálculo, intuición y orientación de forma consciente y rigurosa. La diferencia real aparece cada vez más en la capacidad de interpretar, integrar y orientarse dentro de sistemas donde el exceso de información puede generar más ruido que claridad. Decidir bien no solo consiste en evitar errores. También consiste en sostener direcciones capaces de generar impacto, coherencia y significado a largo plazo.
Durante décadas creímos que decidir mejor consistía en reducir la incertidumbre. Quizá el verdadero desafío nunca fue eliminarla, sino aprender a orientarnos dentro de ella sin perder el criterio. Porque cuando todo puede simularse, la diferencia ya no estará únicamente en quién calcula más. Estará en quién conserva una brújula interior suficientemente sólida para decidir qué merece realmente la pena construir, sostener y alcanzar.
***Paco Bree es profesor de Deusto Business School, Advantere School of Management y asesor de Innsomnia Business Accelerator.
