El algoritmo que llevó un libro de genética a 23,7 millones de dólares
En abril de 2011, un biólogo de Berkeley quiso comprar en Amazon The Making of a Fly, un texto académico de 1992 sobre genética del desarrollo, descatalogado y sin nada excepcional. Encontró dos copias nuevas a 1,7 millones de dólares. Los dos vendedores usaban algoritmos de precios: cada uno fijaba su precio en respuesta al del rival, y cada ajuste empujaba al otro hacia arriba. El precio llegó a un máximo de 23,7 millones de dólares.
El caso, que el académico Eugenio Gómez Alatorre recupera en su columna de El Financiero, es inofensivo en términos económicos. Pero describe con precisión algo que ya ocurre dentro de las empresas: sistemas que ejecutan decisiones a gran velocidad, con una lógica de maximización que nadie revisó antes de dejarla correr.
La pregunta que deja ese episodio no es si el modelo era preciso. Es quién se hace responsable de que el algoritmo no se equivoque.
Leíste lo que hace la IA. ¿Y en tu negocio?
Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.
👥 Quiero el Kit →¿Por qué optimizar una métrica no es lo mismo que decidir bien?
Un sistema puede optimizar una métrica y, simultáneamente, destruir valor en otra dimensión. Puede maximizar utilidades de corto plazo y socavar el valor de largo plazo de la compañía. Puede reducir costos y, con eso, poner en riesgo su viabilidad futura. Ninguna de esas contradicciones aparece en el dashboard que revisa el comité de dirección.
Ahí está el punto que la columna de El Financiero pone sobre la mesa: la IA no decide bien, decide rápido y consistente con la función objetivo que le dieron. Si esa función está mal elegida, la escala del error es proporcional a la eficiencia del sistema.
En este escenario, el papel de la dirección no se reduce con el ascenso de la IA. Se amplifica. El juicio humano deja de ser el cuello de botella de la ejecución y pasa a ser el filtro de la intención.
La brecha entre adopción y retorno: qué dicen los datos
El diagnóstico no es teórico. El informe The State of AI 2026 de QuantumBlack, AI by McKinsey, recogido por Cinco Días, muestra que la adopción de IA alcanza al 89% de las organizaciones en al menos una función de negocio y que un 80% de los empleados dice haber aumentado su productividad. Sin embargo, el porcentaje de compañías que reporta impacto positivo en su beneficio bruto se mantiene en el 37%, prácticamente igual que el año anterior.
El mismo informe señala que un 44% ya desplegó la IA a gran escala en toda la empresa, frente al 38% de 2025, y que el uso de agentes autónomos llega al 40% en las corporaciones con ingresos superiores a US$1.000 millones, pero se estanca en el 22% en las compañías más pequeñas. La eficiencia se está repartiendo; el retorno, no.
El informe OpenAI Economic Research de octubre de 2026, difundido por Europa Press, aporta otra capa: los agentes ya representan el 55% del uso de la IA en las empresas de la Unión Europea, aunque en España esa cuota baja al 30%. Y las empresas frontera de la UE producen 6,1 veces los tokens por usuario activo de una empresa típica, frente a 12,9 veces a nivel global. La distancia no está en el acceso a la herramienta, sino en la intensidad y el diseño de su uso.
En América Latina el patrón se repite con otro acento. Un estudio de MAS Analytics citado por Diario TI encontró que solo el 3,6% de las empresas en Chile logró escalar proyectos de IA con resultados tangibles para el negocio, y que la principal barrera es la gobernanza de los datos, mencionada por el 34,3% de los ejecutivos encuestados.
Accountability: quién responde cuando el algoritmo se equivoca
La IA no puede hacerse responsable de sus decisiones. Se necesita que una persona asuma accountability, y el término en inglés importa: no implica solo responder cuando la decisión sale bien o mal, sino tener responsabilidad desde el inicio, cuidando que todo el proceso lleve a los resultados esperados. Resultados que, además, deben estar bien definidos y entendidos por quien responde por ellos.
Algunos proveedores ya están construyendo producto alrededor de esa restricción. En Oracle AI World 2026, la compañía presentó su Deep Trust AI Architecture, una capa de gobernanza que exige supervisión y aprobación explícita antes de que un agente ejecute transacciones, según El Español. Es una señal de mercado: el control dejó de ser un anexo de compliance y se volvió una función del software.
El ancho de banda de verificación: dónde está el valor escaso
La teoría microeconómica es clara en un punto: el mayor valor está en lo relativamente escaso. La IA volvió abundante la capacidad de predicción y, con ella, la ejecución eficiente de tareas. Lo que sigue siendo escaso es la capacidad humana de verificar y supervisar lo que produce la IA.
Los economistas Christian Catalini, Xiang Hui y Jane Wu llaman a esta restricción ancho de banda de verificación y sostienen que, cuando la ejecución se vuelve abundante, las rentas migran hacia lo que permanece escaso: la verificación y la capacidad de responder por los resultados. Es el argumento central del libro Estrategia, microeconomía e IA, de Jorge Pérez Colín y Eugenio Gómez Alatorre (Universidad Panamericana, 2026).
De ahí se desprende la consecuencia estratégica más incómoda: cuando toda una industria empieza a decidir con algoritmos, la eficiencia derivada de ellos tiende a igualarse. La ventaja competitiva deja de venir de tener los mejores modelos de IA y pasa a depender de tener los mejores sistemas de decisión.
¿Qué significa esto para tu startup?
Si tu equipo ya usa IA para decidir precios, priorizar leads, aprobar créditos o asignar inventario, el riesgo no está en el modelo. Está en la ausencia de un sistema que lo gobierne.
- Asigna un dueño humano por decisión automatizada. No un equipo, una persona con nombre. Que sepa desde el diseño qué resultado se espera, cómo se mide y en qué punto el sistema debe detenerse y escalar a un humano.
- Audita la función objetivo antes de auditar el modelo. Pregunta qué métrica maximiza cada automatización y qué dimensión está sacrificando. Si optimiza margen de corto plazo, ¿a costa de qué? Si reduce costos, ¿qué riesgo futuro está comprando?
- Empieza por visibilidad, no por control. Antes de escribir políticas, haz el inventario: qué herramientas de IA se usan hoy en la empresa, en qué procesos participan y qué datos tocan. Sin ese mapa es imposible administrar el riesgo ni medir el impacto real.
- Diseña el sistema de decisión antes de elegir el proveedor. El modelo se reemplaza cada pocos meses; el sistema de decisión, con sus umbrales, guardarraíles y responsables, es lo que se queda y lo que se vuelve difícil de copiar.
Conclusión
La automatización de decisiones no reduce la exigencia sobre la dirección: la traslada de dirigir personas a gobernar algoritmos. Los datos de adopción muestran que la tecnología ya está dentro de las empresas; los datos de retorno muestran que la mayoría todavía no captura valor con ella.
La diferencia entre ambos grupos no parece estar en la calidad del modelo, sino en algo más aburrido y más difícil: definir bien los objetivos, poner límites explícitos y designar a alguien que responda por el resultado. Como en el caso del libro sobre moscas, la pregunta para la dirección ya no es si el modelo es preciso, sino quién se hace responsable para que el algoritmo no se equivoque.
Fuentes
- Optimizar no es decidir – El Financiero
- La adopción de la IA se dispara en las empresas, pero su impacto en la rentabilidad se estanca – Cinco Días
- Los agentes ya suponen el 55% del uso de la IA en las empresas de la UE – Europa Press
- IA en la empresa: por qué la gobernanza importa más que la tecnología – Diario TI
- Oracle apuesta por agentes para impulsar la adopción de IA en las empresas – El Español
Leíste lo que hace la IA. ¿Y en tu negocio?
Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.
👥 Quiero el Kit →













