Los cuatro eslabones: las cuatro disciplinas del método

Si La tesis del puente explica por qué el paradigma hace falta, este capítulo expone cómo opera. Y conviene decir desde el arranque qué lo distingue: no es un profesional que sabe un poco de cada cosa, sino cuatro disciplinas ejercidas como los cuatro tramos de un mismo recorrido, que empieza en una persona y vuelve a una persona. El dato es el medio; el principio y el final son siempre humanos.

El bucle, no la lista

El error sería leer las cuatro disciplinas como un menú —un profesional que “sabe de sociología, y también de desarrollo, y también de datos, y también de IA”. Eso es dispersión, lo contrario de lo que el paradigma afirma. Las cuatro forman un solo recorrido cerrado:

        ┌──────────────────────────────────────────────────────┐
        │                                                      │
        ▼                                                      │
  [1] SOCIOLOGÍA ─▶ [2] ING. SOFTWARE ─▶ [3] ING. DATOS ─▶ [4] GOBERNANZA IA
  lee la org        construye el         garantiza el       devuelve valor a
  (problema         sistema             dato confiable      la decisión humana
   humano)          (la hipótesis                            bajo gobierno
                     se vuelve                              (del dato a
                     herramienta)                            la persona)
        ▲                                                          │
        │                                                          │
        └──────────────────────────────────────────────────────────┘
              el valor vuelve a la persona y reabre el ciclo

El cierre del bucle es lo que distingue al paradigma de un equipo multidisciplinario común: en un equipo, la información se pierde en cada traspaso entre especialistas que no se entienden. En la práctica integrada no hay traspaso: la hipótesis que surge de leer la organización es la misma que modela el dato y gobierna la IA. No se retraduce —y se degrada— en cada paso; se conserva.

Las cuatro disciplinas, una por una

Eslabón 1 — Sociología de las organizaciones

Qué hace. Lee la organización antes que la tecnología. Mapea poder, cultura, incentivos, procesos reales (no los del manual) y resistencias al cambio. Distingue el problema declarado del problema real.

Qué produce. Un diagnóstico sociotécnico: dónde duele de verdad, qué se puede cambiar y qué no, quién gana y quién pierde, dónde la IA paga y dónde solo destruye valor.

Por qué importa. Sin esta lectura, todo lo demás optimiza la cosa equivocada. Fundamento: Díaz Barrios (2005) sobre los valores del cambio (comunicación, participación, aprendizaje); la tradición sociotécnica de Tavistock y Mumford.

Pregunta guía: ¿Qué hace acá esta gente, por qué así, y qué se rompe si esto cambia?

Eslabón 2 — Ingeniería de software

Qué hace. Convierte la lectura sociológica en software real: auditable, mantenible, que la gente usa todos los días. Las hipótesis sociales se vuelven herramientas concretas.

Qué produce. Backends seguros, APIs versionadas, sistemas orientados a eventos, servidores MCP — con la disciplina de auditabilidad de un entorno regulado.

Por qué importa. Es donde la idea se materializa o queda en una presentación. Fundamento: Baxter & Sommerville (2011): diseño sociotécnico iterativo y con usuarios.

Pregunta guía: ¿Cómo se construye esto para que la persona del eslabón 1 lo use sin que la estorbe?

Eslabón 3 — Ingeniería de datos

Qué hace. Garantiza que los datos existan, sean confiables, accesibles y significativos en su contexto. Construye los pipelines (CDC, streaming, gobernanza) que alimentan todo lo demás.

Qué produce. Plataformas de datos gobernadas, calidad medible, linaje, datos listos para decidir — no solo para almacenar.

Por qué importa. Sin datos de calidad no hay IA: solo se automatizan errores más rápido. Y la calidad de datos es contextual y social, no un atributo técnico aislado. Fundamento: Wang & Strong (1996); Redman (2008).

Pregunta guía: ¿Este dato dice lo que la gente cree que dice, y sirve para la decisión que importa?

Eslabón 4 — Arquitectura y gobernanza de IA

Qué hace. Diseña soluciones de IA que devuelven valor real a la persona: amplifican su criterio, no lo reemplazan, y lo hacen bajo reglas auditables. Cierra el puente del dato a la decisión humana.

Qué produce. Sistemas de IA auditables, con controles de gobernanza, medidos por el valor que entregan a la persona y no por la métrica de moda.

Por qué importa. Es donde el bucle se cierra o se traiciona: la IA o vuelve a la persona como poder, o la deja afuera. Fundamento: Dignum (2019), IA responsable; O’Neil (2016), contra los sesgos ocultos; Shneiderman (2020), IA centrada en el humano.

Pregunta guía: ¿Esta IA le devuelve poder de decisión a la persona del eslabón 1, o se lo quita?

Cuando la IA deja de sugerir y pasa a ejecutar sola —el peldaño agéntico de la escalera—, este eslabón no pone a una persona a revisar cada caso: pone el criterio en el diseño y la auditoría de las reglas con que el agente decide —qué resuelve por su cuenta, cuándo escala a una persona, qué deja registrado—. El control humano no se pierde; se corre un peldaño más arriba, de la decisión al gobierno de la decisión. El bucle se cierra igual, pero la exigencia de gobernanza sube con la autonomía.

El bucle en un caso

Un ejemplo concreto, del tipo que se repite en campo, muestra el recorrido mejor que cualquier diagrama. Una distribuidora mediana quiere “usar IA para anticipar qué clientes está por perder”. El pedido llega así, ya traducido a una solución: un modelo que prediga las bajas. La tentación es arrancar por el modelo. El método arranca antes.

Eslabón 1 — leer la organización. Antes de tocar un dato hay que entender qué pasa de verdad, y lo que aparece casi nunca es lo que se pidió. Los vendedores ya saben quién se está por ir —lo huelen en una llamada que se enfría, en un pedido que se achica—, pero ese saber vive en su cabeza y en ningún sistema. Y nadie tiene incentivo para compartirlo: acá el cliente es del vendedor, y soltar la información es soltar poder. El problema real no era predictivo; era que un conocimiento valioso no circulaba. Un modelo de bajas que ignorara eso habría competido con la intuición de los vendedores en vez de sumarse a ella. Y habría perdido.

Eslabón 2 — construir el sistema. De esa lectura sale el requerimiento verdadero, que no es “un modelo” sino una herramienta que a los vendedores les convenga usar: rápida, que les devuelva algo en el acto —un cliente a punto de irse y el motivo probable— y que no los exponga ni los reemplace. Si registrar una señal cuesta tres clics y no devuelve nada a cambio, nadie la registra, y todo lo anterior se derrumba. El sistema se diseña, desde el primer día, para la persona del eslabón 1.

Eslabón 3 — hacer que el dato signifique. Recién acá entra el dato, y enseguida asoma el problema de siempre: el campo “última compra” significa cosas distintas en cada sucursal —una descuenta las devoluciones, otra no; una cuenta el mostrador, otra solo el reparto—. Modelar sobre eso sin corregirlo es entrenar sobre arena. Lograr que el dato diga lo que todos creen que dice no es un trámite técnico: es volver al eslabón 1, porque ese desajuste es la huella de procesos humanos que nunca se pusieron de acuerdo.

Eslabón 4 — devolver la decisión a la persona. El modelo, por fin, marca a los clientes en riesgo. Pero el bucle se cierra bien solo si esa marca vuelve al vendedor como poder y no como vigilancia: le llega con el porqué —“este cliente bajó el ticket tres meses seguidos”—, queda a su criterio actuar, y el sistema registra qué pasó después para aprender. Auditable, explicable, suya. Una IA que en cambio puntuara a los vendedores por cómo “gestionan” sus alertas habría reabierto, multiplicada, la desconfianza del principio.

Y ahí el ciclo reabre: la decisión del vendedor —llamó, recuperó, perdió— es el dato nuevo que afina la próxima lectura. El valor no terminó en un tablero; volvió a la persona, y desde la persona vuelve a empezar.

Lo decisivo no es que estos cuatro pasos existan —existen en cualquier proyecto serio—, sino que los recorra la misma práctica, sin soltar la hipótesis en ningún borde. La lectura del eslabón 1 —“el problema es que el saber no circula porque el incentivo lo bloquea”— es la que sigue gobernando en el eslabón 4. En una cadena de especialistas esa hipótesis se habría perdido en el primer traspaso, y el proyecto habría entregado, con impecable prolijidad técnica, el modelo que en el fondo nadie había pedido.

Por qué la continuidad es el producto

Cada disciplina existe en el mercado por separado. Lo escaso es la continuidad:

El diferencial no es dominar cuatro disciplinas por separado. Es que el conocimiento no se degrada en los bordes, porque no hay bordes: la cadena se recorre como una práctica integrada, no como una sucesión de especialistas que se pasan el problema.

Por eso, al final, el método no se juzga por las cuatro disciplinas que reúne, sino por una sola cosa: si la persona del principio —el vendedor, la dueña de la pyme, el empleado que carga el dato— termina con más poder de decisión del que tenía. Si el bucle se cierra en ella, funcionó. Si se cierra en un tablero que nadie mira, fue, una vez más, tecnología sin lectura. Las cuatro disciplinas son el camino; la persona es el punto de partida y el de llegada.

Ver también: La tesis del puente · Conceptos propios · El puente aplicado a las pymes · Bibliografía