Conceptos propios: el vocabulario del puente

Estos son los términos con los que el paradigma piensa y escribe. No son definiciones de manual: son acepciones operativas, afiladas para el trabajo. Cuando un término tiene dueño académico, se señala y se remite a Autores y corrientes.

Nombrar bien no es un lujo de academia. En un terreno donde el negocio y la técnica se malentienden todo el tiempo —las mismas palabras para cosas distintas—, un vocabulario preciso es ya media traducción hecha. Cada término de abajo es una herramienta: nombra algo que, sin la palabra, se pasaba por alto.

Términos núcleo

Puente sociotécnico

El paradigma —y la práctica que lo encarna— que integra la competencia para leer la trama humana de una organización con la de construir su sistema técnico, sin delegar ninguna de las dos. No es coordinar dos especialistas (eso es gestión de proyecto): es una sola competencia que encarna la traducción en vez de tercerizarla. → La tesis del puente

Traducción en carne y hueso

La versión operativa de la traducción de la teoría del actor-red (Latour, Callon). En la teoría, traducir es alinear los intereses de los actores para que un artefacto se estabilice. “En carne y hueso” significa que no la hace un proceso ni un documento de requerimientos que pasa de mano en mano, sino una práctica integrada que conserva el sentido del problema humano hasta el código. Deja de ser un paso —que se degrada en cada traspaso— para volverse una práctica continua.

Vacío de traducción

El hueco estructural del mercado entre quienes entienden a la gente pero no construyen, y quienes construyen pero no leen a la gente. Ahí mueren los proyectos de transformación digital; ese es el espacio que el puente ocupa. → La tesis del puente

El bucle de los cuatro eslabones

El método: sociología de las organizaciones → ingeniería de software → ingeniería de datos → arquitectura y gobernanza de IA → y de vuelta a la persona. Lo distintivo no son las cuatro disciplinas (existen sueltas en el mercado) sino que formen un ciclo cerrado sin traspasos, de modo que la hipótesis sociológica no se pierda en los bordes. → Los cuatro eslabones

Diagnóstico sociotécnico

El entregable del primer eslabón y la condición de todo lo demás: una lectura de la organización antes de tocar la tecnología, que separa el problema declarado del real, mapea poder, incentivos y resistencias, y dictamina dónde la IA paga y dónde solo destruye valor.

Madurez sociotécnica

El grado en que una organización está lista para que la IA le sume en vez de restarle. No se mide solo por infraestructura: es multidimensional —estrategia, cultura, talento, gobernanza y calidad de datos—, una idea anclada en la investigación de AI readiness (Jöhnk et al., 2021), cuyas categorías el modelo IMIA adapta y amplía para volverlas medibles —su definición vive en IMIA, el instrumento de madurez—. Medir madurez primero es la regla número uno del método.

Del silo a la arquitectura

La mayoría de las organizaciones no llega a la IA desde el exceso de tecnología fallida, sino desde la escasez: gestión en planillas, datos en silos sin interconexión, procesos manuales, decisiones sin evidencia. La oportunidad real y hoy alcanzable es un arco constructivo: conectar los silos, levantar una arquitectura de información, gobernar el dato, y recién entonces sumar agentes e IA donde la organización esté lista. El matiz contraintuitivo: partir de poca o nula digitalización no reduce el riesgo, lo concentra, porque obliga a construir el subsistema técnico y el humano a la vez —justo lo que el puente sabe hacer—. → El puente aplicado a las pymes

La escalera de adopción

Si del silo a la arquitectura dice desde dónde parte una organización, la escalera dice hacia dónde sube, y que se sube de a un peldaño: de la gestión ofimática de todos los días a los sistemas que ordenan la operación, de ahí a la IA que anticipa en vez de solo registrar y, en el peldaño de hoy, a los agentes que ya no sugieren sino que ejecutan de punta a punta. Lo que importa no es el inventario de escalones, sino su pendiente: cuanto más alto se sube, más cara se paga haber salteado la lectura humana. Abajo, un sistema mal entendido se evita —la gente vuelve a su planilla—; arriba, un proceso que nadie comprendió no se ejecuta más lento, se ejecuta solo, a escala y sin testigo. Por eso el paradigma no envejece con la tecnología: cada peldaño nuevo lo vuelve más necesario, no menos. → IMIA, el instrumento de madurez

Términos de advertencia (lo que la tesis combate)

Automatizar el error más rápido

Lo que pasa cuando se monta tecnología sobre un proceso roto o un dato sucio: no se arregla el problema, se lo ejecuta a mayor velocidad y escala. Resume por qué el orden importa: primero entender, después automatizar.

El dato que miente

Un dato técnicamente “correcto” (bien tipado, sin nulos) que sin embargo no dice lo que la gente cree que dice, porque su significado depende de un contexto humano que se perdió —el campo “estado” que para un equipo significa cobranza y para otro, envío—. Operacionaliza la idea de Wang & Strong: la calidad de datos es contextual y de uso, no un atributo técnico aislado. Casi siempre, un dato que miente es la huella de un proceso humano mal incentivado. → Autores y corrientes

Deuda sociotécnica

Por analogía con la deuda técnica: el pasivo que se acumula cada vez que se instala tecnología sin resolver el subsistema social (resistencias no trabajadas, procesos no entendidos, usuarios no involucrados). No aparece en el código, pero se cobra en adopción nula, sabotaje y rechazo. Es invisible hasta que el sistema “perfecto” no lo usa nadie. Y como toda deuda, devenga interés: cuanto más tarde se reconoce, más caro sale saldar el subsistema humano que se había salteado.

Solucionismo tecnológico

La creencia de que todo problema social u organizacional tiene una solución comprable en forma de herramienta. La antítesis directa del puente: confunde tener la tecnología con resolver el problema. (Término de uso amplio, adoptado como blanco recurrente, no como invención propia.)

Métrica de vanidad vs. métrica de valor

La métrica de vanidad mide lo fácil de medir y lo que queda bien en un tablero (cantidad de modelos, usuarios registrados, “uso de IA”). La métrica de valor mide lo que le cambia el día a la persona del eslabón 1: una hora liberada, una decisión mejor, una brecha que se cierra. El puente mide valor.

Términos de valor (la promesa)

Valor en la persona, no en el modelo

El principio de medición del cuarto eslabón: el entregable nunca es un modelo, es una decisión humana mejor. Un modelo impecable que no cambia ninguna decisión vale cero; un sistema modesto que le devuelve una hora al día a un equipo vale mucho.

IA como extensión del criterio (no como sustituto)

La posición sobre el rol de la IA, sobre todo en el Estado: no reemplaza al trabajador (el empleado público, la pyme), le amplifica el criterio. La IA buena le devuelve poder de decisión a la persona; la mala se lo quita y la deja afuera. Base: IA centrada en el humano (Shneiderman, Dignum). → El puente aplicado al sector público

Criterio en el diseño, no en cada transacción

Cómo sobrevive IA como extensión del criterio cuando el software deja de sugerir y pasa a ejecutar solo. Si un agente aprueba un reembolso, deriva un reclamo o prioriza un expediente sin que nadie mire cada caso, el viejo “humano en el bucle” —una persona revisando una decisión por vez— deja de ser posible, y a escala deja de ser deseable. El criterio no desaparece: se corre de lugar. Pasa de filtrar decisiones a definir, auditar y poder revocar las reglas con que el agente decide —qué hace por su cuenta, dónde tiene que escalar a una persona, qué deja registrado para revisión—. La extensión del criterio se vuelve gobierno del criterio. Es la respuesta a quien teme que la IA agéntica vuelva obsoleta la lectura humana: la vuelve más necesaria, porque sin reglas auditables la autonomía no es criterio extendido, es delegación a ciegas.

Cerrar la brecha (no solo dar ganancia)

La definición de valor económico que se usa para pymes y Estado: el resultado no es solo la ganancia de un cliente, es acortar la distancia entre los pocos que ya usan IA y el resto del tejido productivo. En América Latina, con penetración de IA inferior al 4% (CEPAL, 2024), esa brecha es la oportunidad y la misión a la vez. → El puente aplicado a las pymes

La IA como multiplicador con signo

La síntesis que reconcilia dos afirmaciones que parecen chocar: la misión es cerrar la brecha, pero la evidencia muestra que la IA mal aplicada la ensancha. No se contradicen. La IA es un multiplicador de lo que encuentra: sobre orden y criterio, multiplica valor; sobre desorden y sin un juicio que la filtre, multiplica el daño —en el experimento de Kenia ayudó a los que ya iban bien y hundió a los que iban mal—. Lo que decide el signo no es la potencia del modelo, sino la lectura humana que lo orienta. Por eso el puente no es un agregado ético: es, literalmente, lo que pone el signo.

Ninguno de estos términos es un adorno teórico. Son la forma de no perder de vista, en medio de la jerga, qué se está haciendo y para quién. Todos vuelven, tarde o temprano, a la misma pregunta: ¿esto le sirve a la persona del otro lado? Un vocabulario que no contestara eso sería, él mismo, otra forma de automatizar el error más rápido.

Ver también: La tesis del puente · Los cuatro eslabones · Bibliografía