¿Qué significa pensar en tiempos de inteligencia artificial? La pregunta suena a seminario, y quizás por eso rara vez llega a una junta directiva. Cuando digo que la filosofía sirve para gerenciar, suele aparecer una sonrisa cortés, como si se tratara de un lujo de biblioteca, y es un malentendido costoso, porque la filosofía no entrena erudición sino dos capacidades que toda estrategia necesita, la de entender un fenómeno antes de reaccionar ante él y la de examinar los supuestos desde los que se decide.

Con la IA ambas se volvieron urgentes, y el tiempo que ahorra es real, pues resume, redacta, compara y devuelve en minutos lo que antes ocupaba una tarde, aunque esas horas eran las horas en las que alguien miraba.

Muchas empresas adoptan la IA sin haberse preguntado qué es. La tratan como un empleado veloz, como un oráculo o como una calculadora con buena redacción, y cada imagen produce una estrategia distinta. Comprender el fenómeno no es un preámbulo académico, sino lo que permite saber qué delegarle y qué no, y lo primero que revela esa mirada es que estos sistemas no solo responden sino que también seleccionan.

Ahí la pregunta por el pensar cambia de lugar. Solemos asociar pensar con producir respuestas, y hoy las respuestas abundan, llegan en segundos y casi siempre suenan bien, así que, si pensar fuera eso, ya estaría resuelto.

En ‘La soberanía del bien’, la novelista y filósofa irlandesa Iris Murdoch discute la imagen del sujeto que decide en un instante de voluntad pura, y propone que lo decisivo ocurre antes, en la atención, en lo que uno se permite mirar y en lo que prefiere no ver. Solo elegimos, sugiere, dentro del mundo que somos capaces de ver, y ver bien no es un don sino un trabajo contra la fantasía con la que el ego se consuela, esa tendencia a mirar lo que confirma lo que ya pensábamos, y pensar, entonces, empieza por mirar.

Durante décadas el gerente construyó su visión con informes, pasillos, visitas a planta y clientes que se quejaban en persona. Hoy esa visión llega mediada por un modelo que filtra y prioriza según un criterio optimizado para sonar plausible y no para incomodar. El modelo, entrenado para generalizar, retira primero lo que no cabe en el promedio: el cliente que no encaja en el segmento, el empleado que no cabe en la métrica y el caso que ningún patrón previó, y he defendido durante años que el individuo es incomputable porque ahí, en lo que el filtro borra, suele vivir la estrategia.

¿Quién definió qué información llega a su junta? ¿Alguien revisa lo que el modelo omitió? ¿Cuándo fue la última vez que un dato incómodo llegó a su comité sin pasar por un filtro que prefiere lo promedio?

Pensar en tiempos de IA podría ser, al menos, desconfiar de la respuesta que llegó demasiado fácil, leer completo el documento cuando lo merezca, pedir al equipo lo que el filtro descartó y visitar el lugar donde el dato se produce.

La máquina ofrece respuestas, y la pregunta sigue siendo nuestra.