Opinión ExxonMobil separa capacidad técnica de autorización operativa en agentes autónomos
La frontera se movió de predecir a decidir. Las empresas que no separen capacidad técnica de autorización operativa cederán control sin saberlo.
El debate ya no es si los modelos predictivos superan a los pronósticos estadísticos. Ese argumento se zanjó. La pregunta que mantiene despiertos a los directores de tecnología en 2026 es otra: cómo permitir que los sistemas actúen sobre sus propias conclusiones sin que se desvíen de la intención del negocio. La frontera se desplazó de la predicción a la decisión autónoma, y la brecha entre quienes gobiernan ese salto y quienes solo lo sufren se ensancha.
Las organizaciones ya no miran hacia atrás; quieren mirar hacia adelante. Lo dice Vishal Gupta, de Everest Group, pero la frase oculta una trampa: la analítica inteligente, impulsada por aprendizaje profundo e IA generativa, entrena en tiempo real y digiere fuentes no estructuradas —conversaciones, correos, logs— que antes eran ruido. El resultado es un paso de la retrospectiva pasiva a la previsión pragmática. Pero cuando la previsión se vuelve acción sin mediación humana, la palabra "analítica" deja de servir. Todo se vuelve IA, y la IA empieza a decidir.
Aquí es donde la mayoría de los directorios fallan. Confunden lo que el sistema puede hacer con lo que debe tener permiso para hacer. Un marco de gobernanza presentado por investigadores de ExxonMobil —basado en NIST y la Ley de IA de la UE— lo expone con claridad quirúrgica: hay que separar los Niveles de Capacidad Autónoma (ACL), que miden la destreza técnica del agente, de los Niveles de Autonomía Permitida (AAL), que definen cuánta autoridad le concede la organización según riesgo, reversibilidad y rendición de cuentas. Un sistema con capacidad máxima puede —y a veces debe— operar con autonomía mínima. La capacidad no implica autorización.
La analogía con las organizaciones humanas es inevitable y reveladora. Un empleado puede ser técnicamente capaz de transferir millones, pero la empresa le exige firmas duales, límites diarios y auditoría. Con los agentes de IA, sin embargo, se saltan esos controles bajo la promesa de eficiencia. El marco propone cinco niveles de autonomía permitida, desde la ejecución reactiva hasta la autoridad operativa delegada. A medida que se sube, el control humano se vuelve indirecto, la reversibilidad cae y las consecuencias de fallar se vuelven más difíciles de contener. Cada escalón exige una justificación de gobernanza más robusta, no solo un mejor modelo.
El proceso de decisión es deliberadamente en dos tiempos: primero se evalúa la capacidad técnica (ACL), lo que establece un techo; luego se elige la autonomía permitida (AAL) según impacto, reversibilidad, estructuras de rendición de cuentas y mitigaciones. Esta separación permite decisiones de gobernanza estables y reutilizables mientras la tecnología muta debajo. También permite progresiones incrementales y reversibles: subir o bajar la autonomía sin reescribir la evaluación de capacidad.
En América Latina, donde la regulación avanza a ritmos dispares y la presión competitiva empuja a adoptar primero y preguntar después, esta distinción no es académica: es supervivencia. Las empresas que delegan autoridad sin marcos explícitos no están innovando; están externalizando responsabilidad a código que no rinde cuentas. Cuando el agente comete un error —discrimina en crédito, detiene una línea de producción, filtra datos sensibles—, la pregunta del regulador y del accionista no será "qué tan bueno es el modelo", sino "quién autorizó esta decisión".
La autonomía de la IA no es un parámetro técnico. Es una decisión de poder. Definir quién la concede, bajo qué condiciones y con qué freno de emergencia es la única forma de que la previsión pragmática no se convierta en pesadilla operativa. El que no gobierna la autonomía, la sufre.
