El VAR vio el puñetazo, decidió ignorarlo. Tu IA también lo hace

En el Mundial 2026, la tecnología más sofisticada de la historia del fútbol convive con una inconsistencia: cámaras 3D registran cada contacto, el sistema analiza cada jugada en milisegundos, y aun así ciertos golpes no reciben tarjeta. No porque el VAR falle. Sino porque los protocolos que lo rigen toleran ciertas agresiones según quién las comete y en qué momento ocurren. La tecnología no eliminó el sesgo; lo volvió invisible y le dio carácter de objetividad.

Las empresas pueden cometer el mismo error con sus sistemas de IA

Cuando un motor de lead scoring, credit scoring o asignación de recursos se entrena con datos históricos sesgados, reproduce los patrones del pasado y los eleva a la categoría de verdad algorítmica. Un dashboard impecable, un score de tres decimales y una interfaz moderna hacen que nadie cuestione la decisión. Igual que un partido donde el VAR revisó la jugada y no señaló nada: el resultado queda “tecnológicamente validado” aunque la injusticia haya quedado incorporada al marcador.

El caso más frecuente en empresas B2B tiene una mecánica conocida. Un motor de lead scoring subvalora sistemáticamente empresas medianas porque el historial refleja menor ARR (ingresos recurrentes) y mayor churn. El modelo no discrimina con intención; optimiza hacia los patrones que aprendió. Esos clientes reciben menos atención comercial, menos crédito, peor servicio, no porque su potencial sea menor, sino porque el sistema aprendió a tratarlos como si lo fuera. Es el equivalente a un VAR calibrado para proteger a los equipos que generan más audiencia: técnicamente impecable, estructuralmente injusto.

Según análisis de Forrester sobre gobernanza de IA en operaciones comerciales, las organizaciones que escalan agentes de IA sin revisar la equidad de sus datos de entrenamiento acumulan tres riesgos simultáneos: erosión de confianza en segmentos penalizados, exposición regulatoria creciente en mercados exigentes, y una ventaja competitiva frágil construida sobre sesgos que tarde o temprano alguien documentará y publicará.

La respuesta no es prescindir de los modelos. Es gobernarlos con la misma seriedad con que se espera que la Fifa gobierne al VAR. Eso implica cosas concretas: auditar con regularidad los datos de entrenamiento para identificar qué segmentos están subrepresentados o penalizados históricamente; incorporar métricas de equidad junto a las de rendimiento -tasa de cierre ajustada por esfuerzo comercial, no solo por ARR histórico-; mantener supervisión humana explícita en decisiones de alto impacto: grandes contratos, rescisiones o cambios de precio que afecten mercados enteros.

Las empresas que entiendan y apliquen antes que sus competidores reducirán su riesgo reputacional y regulatorio. Más que eso, construirán la única ventaja que la IA puede ofrecer en mercados donde todos usan las mismas herramientas: la confianza de que su sistema trata por igual a quien merece ser tratado por igual. Las que no lo entiendan seguirán ganando partidos con puñetazos no sancionados. Hasta que alguien revise la jugada. Y en 2026, con cámaras en todas partes, ese “replay” llega antes de lo que cualquier protocolo anticipó.