Llevo siete
años convirtiendo datos de granjas en predicciones. Cuando empezamos, modelar
cómo crece un animal exigía meses de trabajo y un equipo. Hoy cualquier
persona, por una suscripción a ChatGPT o Claude, accede a una inteligencia que
entonces nos costaba meses construir. Pero esa inteligencia, puesta frente a un
galpón, no sabe qué es un galpón. Sin datos, la inteligencia es opinión; sin
gobierno, es riesgo. Cuando la inteligencia se abarata, lo escaso pasa a ser lo
que la alimenta y lo que la controla.
En la
producción animal —y en muchas otras industrias— la primera reacción, fue
instalar más dashboards. Pero saber qué pasó sirve de poco. ¿De qué sirve saber
el jueves que un galpón se desvió del estándar, si la decisión que importaba
era del martes? Anticiparse exigió medición continua, integrada y frecuente
para ver la desviación cuando todavía era corregible. Un modelo solo es tan
bueno como lo que alcanza a ver.
Más datos,
sin embargo, no significa más volumen; significa datos que se entienden.
Instalamos balanzas automáticas en los galpones y las curvas salían sesgadas.
Tardamos en entender que la balanza no pesaba a los pollos: pesaba a los pollos
que se subían a la balanza, y en nuestro caso los más livianos se subían más.
Corregirlo exigió entender a los animales, no el software. Esa corrección hoy
va incorporada en cada curva que entregamos, y ningún modelo genérico la trae
de fábrica.
Lo mismo
aplica a la inteligencia que decide. Nuestra industria lleva décadas con
animales vivos, clima y sanidad, y depende de personas que saben leer una
desviación y decidir cuándo intervenir. Esa experiencia es la base para
gobernar la inteligencia artificial igual que a un jefe de granja nuevo: un
objetivo claro, atribuciones definidas, la obligación de consultar cuando una
decisión excede su responsabilidad, y trazabilidad de los datos detrás de cada
recomendación. Incorporar IA sin esas condiciones es contratar a alguien sin
decirle sus objetivos y cómo lo evaluaremos.
De ahí salen
tres decisiones para quienes dirigen. Primero, invertir en la base de datos
antes que en el modelo: la inteligencia es abundante; la medición confiable de
la propia operación no lo es. Segundo, gobernar: quién responde por cada
sistema, qué puede resolver solo, qué requiere aprobación y cómo se audita.
Tercero, cuidar los puestos donde se aprende el oficio: si los eliminamos hoy,
¿quién gobernará estas herramientas en diez años?
En Chile,
para Navidad, comemos pan de pascua. La masa sola no tiene mucha gracia; los
frutos secos solos saturan. La gracia está en la receta. La inteligencia
artificial es hoy esa masa, abundante y barata. Los datos de cada operación son
los frutos. El criterio es la receta, y no aparece solo: se cuida midiendo
bien, se protege gobernando con claridad y se potencia poniendo la inteligencia
en manos de quienes conocen el oficio. Eso es lo que hay que hacer cuando la
inteligencia es barata. Llevamos siete años haciéndolo en los galpones, y la
receta sigue siendo la misma. La masa se compra por suscripción. La receta, no.
