Cuando las empresas modelen cómo piensan
Durante largo tiempo, las organizaciones se han preocupado principalmente por modelar aquello que hacen. Los procesos describen secuencias de actividades. Los organigramas representan responsabilidades. Los sistemas registran transacciones. Los indicadores muestran resultados. Las bases de datos conservan información sobre clientes, productos, proveedores y operaciones. Todo ello permite representar partes importantes de la realidad organizacional. Sin embargo, existe una dimensión mucho más difícil de capturar: la manera en que la organización interpreta esa realidad.
¿Por qué se tomó una determinada decisión y no otra? ¿Qué información fue considerada relevante? ¿Qué riesgos se evaluaron? ¿Qué alternativas fueron descartadas? ¿Qué supuestos se aceptaron como verdaderos? ¿Qué experiencias anteriores influyeron en la conclusión? ¿En qué circunstancias una regla puede tener una excepción? Estas preguntas pertenecen a un territorio que tradicionalmente ha permanecido disperso entre las personas. Una parte del razonamiento organizacional vive en reuniones que nunca quedaron registradas. Otra permanece en la experiencia de directivos y especialistas. Otra se encuentra implícita en procedimientos cuya razón de existir ya nadie recuerda completamente. Con frecuencia, las organizaciones conocen sus propias decisiones, pero no pueden reconstruir con claridad la lógica que las produjo.
De modelar lo que hacemos a modelar cómo pensamos
Esto representa un límite importante para cualquier empresa que aspire a aprender de manera acumulativa. El conocimiento no consiste únicamente en saber qué ocurrió. También implica comprender cómo se interpretó una situación cuando ocurrió. Dos equipos pueden enfrentarse al mismo problema y llegar a decisiones diferentes porque consideran factores distintos, asignan una importancia diferente a los riesgos o interpretan de otra manera la información disponible. En otras palabras, el resultado de una decisión no puede separarse completamente del razonamiento que lo produjo.
Hasta ahora, esa dimensión ha sido difícil de conservar porque el pensamiento humano es complejo, cambiante y, en gran medida, implícito. Las personas no siempre pueden explicar con precisión cómo llegaron a una conclusión. Un especialista puede reconocer que existe un problema sin poder describir inmediatamente todos los patrones que le permitieron detectarlo. Un directivo puede desconfiar de una propuesta porque recuerda experiencias anteriores que nunca fueron formalmente documentadas.
No se trata, por tanto, de imaginar que las empresas podrán copiar el pensamiento de cada persona y convertirlo en un algoritmo. La idea es diferente y, probablemente, más interesante. Las organizaciones comenzarán a modelar cómo piensan cuando empiecen a representar de manera más explícita los elementos que intervienen en su razonamiento colectivo. Una decisión puede vincularse con el problema que intentaba resolver, la información disponible en ese momento, las alternativas consideradas, los criterios utilizados para compararlas, los riesgos identificados, las personas que participaron y las consecuencias que finalmente se produjeron. Con el tiempo, esas relaciones pueden mostrar patrones que antes permanecían invisibles.
Hacer visible el razonamiento organizacional
Una empresa podría descubrir, por ejemplo, que determinadas decisiones comerciales han funcionado en un tipo específico de cliente, pero han producido malos resultados cuando cambian ciertas condiciones del mercado. Podría identificar que una regla aparentemente estable ha sido modificada repetidamente por el mismo tipo de excepción. Podría observar que ciertas crisis fueron anticipadas por señales que existían en los sistemas, pero que nadie había relacionado entre sí. En estos casos, modelar cómo piensa una organización no significa construir una representación abstracta de una mente colectiva. Significa hacer visibles las estructuras de interpretación que influyen repetidamente en sus decisiones. Esta diferencia es importante porque una empresa no piensa como una persona. No tiene una conciencia única ni una experiencia homogénea del mundo. Lo que llamamos pensamiento organizacional emerge de la interacción entre personas, conocimientos, reglas, procesos, tecnologías y experiencias acumuladas.
Una organización puede tener contradicciones. Dos áreas pueden interpretar de manera distinta la misma información. Un criterio financiero puede entrar en conflicto con un criterio operativo. Una decisión que parece razonable desde la perspectiva de un departamento puede resultar problemática desde otra. Precisamente por eso, modelar el razonamiento organizacional no debería consistir en eliminar esas diferencias para producir una única respuesta automática. Su valor puede estar, por el contrario, en hacer visibles los criterios que participan en una decisión y las tensiones que existen entre ellos.
Las contradicciones también forman parte del conocimiento
Cuando esos elementos permanecen implícitos, muchas discusiones organizacionales se reducen a la confrontación de conclusiones. Una persona propone hacer algo y otra propone lo contrario, pero nadie consigue identificar con claridad qué supuestos o criterios están produciendo el desacuerdo. La discusión parece ser sobre la decisión, cuando en realidad puede estar ocurriendo en un nivel más profundo: la forma en que cada parte está interpretando el problema.
Una arquitectura del conocimiento capaz de representar relaciones puede comenzar a trabajar también en ese nivel. Una propuesta no sería únicamente un documento. Podría estar relacionada con los objetivos que busca cumplir, los supuestos en los que se basa, las evidencias disponibles, los riesgos que reconoce y las experiencias anteriores que la respaldan o contradicen. Una decisión no aparecería simplemente como un resultado final, sino como parte de una trayectoria de razonamiento. Conservar esa trayectoria podría cambiar la relación de una empresa con su propia experiencia. Hoy, cuando una decisión produce buenos resultados, es frecuente que la organización intente repetirla. Pero repetir una decisión sin comprender las condiciones que hicieron posible su éxito puede ser tan peligroso como ignorarla por completo. Las circunstancias cambian. Los mercados evolucionan. Los clientes modifican su comportamiento.
De la decisión a la trayectoria de razonamiento
Lo que funcionó en el pasado no constituye necesariamente una regla para el futuro. Una organización que comienza a modelar su razonamiento tendría una posibilidad diferente: no limitarse a recordar qué hizo, sino recuperar las condiciones bajo las cuales consideró razonable hacerlo. Esto permite que el aprendizaje sea más profundo. En lugar de almacenar simplemente la conclusión de una experiencia —por ejemplo, que determinada estrategia funcionó— la empresa podría conservar también los factores que influyeron en esa interpretación. Si las condiciones cambian, una persona o un agente inteligente podrían reconocer que el precedente es relevante, pero también advertir que existen diferencias importantes.
La memoria organizacional se convierte así en algo más sofisticado. Ya no conserva solamente acontecimientos y consecuencias. Puede comenzar a preservar relaciones entre problemas, interpretaciones y decisiones. Aquí aparece una de las posibilidades más significativas de la inteligencia artificial. Un agente conectado con una representación estructurada del conocimiento organizacional no tendría que limitarse a buscar información. Podría participar en la reconstrucción del contexto. Podría identificar decisiones anteriores relacionadas con una situación actual, mostrar qué criterios fueron importantes, detectar contradicciones entre experiencias pasadas o señalar que determinados supuestos ya no parecen válidos. Su función no sería reemplazar automáticamente el juicio humano, sino ampliar la capacidad de la organización para observar su propio razonamiento. Esta posibilidad puede parecer abstracta, pero sus consecuencias son profundamente prácticas.
La memoria debe conservar el contexto
Una empresa podría descubrir que toma decisiones diferentes ante problemas similares dependiendo del área que los enfrenta: detectar que determinados criterios aparecen siempre antes de un error recurrente. Podría identificar conocimientos que dependen excesivamente de unas cuantas personas. Podría observar que ciertas excepciones han dejado de ser excepciones y se han convertido, en la práctica, en una parte permanente de la operación.
En otras palabras, la organización comenzaría a adquirir una capacidad poco común: la capacidad de aprender sobre la manera en que aprende. Éste puede ser uno de los cambios más importantes de la nueva arquitectura organizacional. Durante décadas, las empresas han utilizado la tecnología para automatizar actividades, registrar información y acelerar procesos. El siguiente paso podría consistir en utilizarla para hacer más explícitas las estructuras mediante las cuales la organización interpreta, decide y aprende. Naturalmente, esto plantea límites importantes. No todo razonamiento puede ni debe convertirse en una estructura permanente. Existen decisiones confidenciales, experiencias personales y contextos que no pueden reducirse a una representación técnica. También existe el riesgo de confundir lo que puede modelarse con todo aquello que importa.
Aprender sobre cómo aprende la organización
Una organización no se vuelve más inteligente simplemente porque registra cada vez más decisiones. El desafío consiste en identificar cuáles son los elementos de razonamiento que tienen valor colectivo y pueden ayudar a comprender futuras situaciones. No se trata de vigilar cómo piensa cada persona, sino de construir una capacidad organizacional para conservar y examinar las formas en que se producen determinadas decisiones. La diferencia es fundamental. Modelar cómo piensa una empresa significa comenzar a reconocer que sus decisiones no aparecen de manera aislada. Son el resultado de relaciones entre información, experiencia, criterios, reglas y contexto. Cuando esas relaciones permanecen dispersas, cada generación de trabajadores debe reconstruir una parte importante del razonamiento acumulado por quienes estuvieron antes.
Cuando comienzan a hacerse visibles, la organización puede construir una continuidad que hasta ahora dependía principalmente de la memoria individual. Quizá el futuro de las empresas no consista únicamente en disponer de sistemas capaces de responder preguntas o ejecutar tareas. Quizá consistirá también en construir organizaciones que puedan examinar la historia de sus propias decisiones y comprender cómo llegaron a pensar de determinada manera. Porque una empresa que conoce sus procesos puede mejorar su operación.
Modelar sin reducir el pensamiento
Una empresa que conoce sus datos puede comprender mejor lo que ocurre. Una empresa que conserva su memoria puede aprender de su experiencia. Pero una empresa que comienza a comprender cómo interpreta, razona y decide adquiere una capacidad distinta. Comienza a observar su propio pensamiento colectivo. Y cuando una organización puede hacer visible una parte de las estructuras que orientan sus decisiones, puede comenzar también a cuestionarlas, corregirlas y transformarlas. Ese momento representa un cambio más profundo que la simple incorporación de nuevas herramientas de inteligencia artificial. Es el comienzo de una arquitectura capaz de convertir el razonamiento acumulado en una propiedad cada vez más permanente de la organización. Quizá entonces las empresas no sólo comenzarán a recordar lo que han vivido. Comenzarán, poco a poco, a entender cómo han aprendido a pensar.
Para saber más…
- Samer Faraj / Joël Perez-Torrents / Saku Mantere / Anand Bhardwaj
A time for monsters: Organizational knowing after large language models
https://doi.org/10.1177/14761270251410675 - Niklas Schulte / Dominik K. Kanbach
Rethinking organizational decision-making: The emerging roles and tasks of generative artificial intelligence
https://doi.org/10.1007/s11301-026-00611-2 - Veda Catherine Storey
Knowledge Management in a World of Generative AI: Impact and Implications
https://doi.org/10.1145/3719209

