La tesis del puente sociotécnico

Un sistema puede funcionar a la perfección y, aun así, no servirle a nadie. Pasa todo el tiempo: el asistente responde, el tablero se actualiza, el trámite digital es más prolijo que el de papel, y la gente sigue haciendo las cosas como antes. Este capítulo explica por qué ocurre y qué hace falta para que deje de ocurrir. Es el argumento central del libro, y si solo se leyera un capítulo, debería ser este: el método, los conceptos y las aplicaciones que vienen después son su despliegue.

La tesis en una frase

Toda organización es, al mismo tiempo, una máquina técnica y una trama de personas. Por eso ninguna tecnología la transforma de verdad si antes no se aprende a leer lo humano que la sostiene. Quien desarrolla esa doble mirada, y sobre todo quien aprende a construir en los dos planos a la vez, termina ocupando un lugar poco común. No por suerte, sino porque casi nadie se entrena para habitar las dos dimensiones.

Lo que sigue no suma ideas nuevas a esa convicción. Busca algo más modesto y más útil: ponerla a prueba, darle orden y llevarla al terreno del trabajo concreto.

El problema que nombra

Las organizaciones llegan a la inteligencia artificial desde puntos de partida muy distintos. Forman un espectro y no una sola situación, pero todos desembocan en el mismo lugar.

En un extremo está la escasez aparente: la organización que cree no tener nada. El cero, en realidad, ya casi no existe. Hay planillas, un sistema de facturación, el chat donde se coordina el trabajo real. Lo que falta no es tecnología sino diseño, porque esos sistemas crecieron solos y viven en la cabeza de las personas. La tarea es construir una primera columna vertebral, y la tentación es tratar esa construcción como una compra.

En el medio están las islas: sistemas acumulados con los años que no se hablan entre sí, con cada área dueña de su propia versión de la verdad. Los datos existen, pero fragmentados; la tarea ya no es tenerlos, sino integrarlos.

En el otro extremo está la organización madura pero fragmentada. Ya tiene sistemas sólidos y ahora necesita orquestarlos y dar el salto: sumar IA donde agregue criterio y gobernarla con confianza. Acá el obstáculo no es la falta, sino la inercia.

Cruzando todo el espectro aparece el caso que más se repite: el proyecto que no rindió. Una proporción considerable de las iniciativas digitales no produce el valor que prometía, y rara vez la culpa es de la tecnología. Lo habitual es que se la haya instalado sobre una organización que nadie leyó. Se automatizó un proceso que estaba mal, se digitalizó un trámite que sobraba, se le entregó IA a un equipo que no confía en ella, se armó un tablero que nadie mira porque mide lo fácil y no lo que importa.

En todos los casos el error de fondo es el mismo: tratar un problema sociotécnico como si fuera técnico. La pregunta que decide el resultado no es “¿qué modelo usamos?”. Es “¿qué hace esta gente, por qué lo hace así, qué gana y qué pierde si esto cambia, y quién se va a resistir?”. Sin esa pregunta, la mejor ingeniería disponible amplifica el desorden en lugar de corregirlo: automatizar un proceso roto solo permite cometer los mismos errores más rápido.

Un episodio del tipo que se repite en campo lo muestra con claridad. Antes de pedir el modelo de bajas que se cuenta en Los cuatro eslabones, Distribuidora Norte, una pyme ficticia de alimentos y bebidas, compró un asistente que respondía consultas sobre clientes a partir de su base de datos. Técnicamente, el sistema funcionaba. A los dos meses, nadie lo usaba. La razón no estaba en el modelo. La base la cargaban tres equipos con criterios distintos: uno usaba el campo “estado” para la cobranza, otro para el envío y el tercero lo dejaba vacío. El asistente contestaba, entonces, con datos que el propio personal sabía poco confiables. El proyecto falló porque se construyó sobre información cuyo significado dependía de un proceso humano que nadie había leído, y ninguna mejora del modelo lo habría salvado.

La misma raíz aparece en otro terreno. Un municipio digitaliza un trámite que antes se hacía en ventanilla. El sistema es prolijo, rápido y está bien hecho. Seis meses después, el trámite sigue entrando en papel. Los empleados que lo gestionaban encontraron mil motivos atendibles para sostener el canal viejo: el vecino mayor que no se maneja con la pantalla, la excepción que el formulario no contempla. Nadie saboteó nada de frente. Simplemente, el sistema le quitaba a un área el control de un proceso que era, sin figurar en ningún organigrama, su fuente de poder y parte de su razón de ser. Se lo había leído como un problema de software cuando era, de punta a punta, un problema de quién decide. La tecnología funcionaba; lo que nadie había mirado era a quién desplazaba.

El otro eje: la escalera de adopción

El espectro dice desde dónde parte una organización. El otro eje dice hacia dónde salta. La adopción no es un interruptor que se enciende de golpe, sino una escalera que se sube peldaño a peldaño. Abajo está la gestión ofimática de todos los días. Un escalón más arriba, los sistemas que ordenan la operación: un ERP que integra la administración, un CRM que reúne la relación con el cliente. Más arriba, la IA predictiva, que usa los datos acumulados para anticipar y no solo para registrar el pasado. Y en el peldaño de hoy, la capa agéntica: software que ya no solo sugiere, sino que ejecuta tareas de punta a punta.

Para la tesis, lo que importa no es el inventario de peldaños sino su pendiente: cuanto más alto el escalón, más cara se paga la omisión de la lectura humana. En la ofimática, un sistema mal leído simplemente se evita, y la gente vuelve a su planilla. En la capa agéntica, un proceso que nadie entendió no se ejecuta más lento: se ejecuta solo, a escala y sin testigo. Basta imaginar un agente que aprueba reembolsos, deriva reclamos o prioriza expedientes según una regla que nadie se detuvo a auditar. El error deja de ser un papel traspapelado y pasa a ser una decisión automática, repetida miles de veces antes de que alguien la mire.

La sofisticación técnica, por lo tanto, no atenúa la exigencia sociotécnica, sino que la multiplica. Por eso la tesis no envejece con la tecnología: cada peldaño nuevo la vuelve más urgente. Esa misma escalera se nombra con precisión en Conceptos propios y se vuelve medible, con niveles de 0 a 5, en el IMIA; acá alcanza con intuir la pendiente.

Por qué es verdad (y no una opinión cómoda)

La tesis no es una intuición de consultoría. Es un hallazgo empírico con setenta años de respaldo, sostenido por disciplinas que no se hablan entre sí y que, sin embargo, llegan a la misma conclusión.

El origen está en los estudios del Tavistock Institute sobre la mecanización de la minería del carbón inglesa. La nueva tecnología, el método de tajo largo, era objetivamente superior; aun así, bajó la productividad y subió el ausentismo. La razón no estaba en la máquina, sino en que la mecanización desarticuló la organización social del trabajo. Antes, los mineros operaban en equipos pequeños y autorregulados que repartían las tareas, cubrían las ausencias y sostenían la moral bajo tierra. El nuevo método los fragmentó en turnos especializados y dependientes entre sí, y no repuso nada que cumpliera esa función.¹ La lección fundó una disciplina: el subsistema técnico y el social no se optimizan por separado; se optimizan juntos o fracasan juntos. Mejorar uno solo, por real que sea la mejora, puede degradar el conjunto.

La tradición posterior del diseño sociotécnico llevó ese principio al método. Un diseño que no involucra a quienes van a usar el sistema produce sistemas que la gente sabotea, evita o usa mal. Por eso la participación de los usuarios no es cortesía ni búsqueda de consenso. Es ingeniería de requisitos, porque solo ellos conocen el proceso real que el sistema tendrá que soportar.²

La sociología de la técnica agrega el mecanismo que explica por qué ocurre. Un artefacto no “funciona” por sus propiedades internas, sino cuando logra traducir los intereses de los actores que lo rodean: enrolarlos y alinearlos lo suficiente para que cada uno se reconozca en él y encuentre una razón propia para sostenerlo. Donde esa traducción falla, el artefacto no es bueno ni malo; sencillamente, se lo ignora.³ La adopción, entonces, no es un paso posterior al diseño ni un problema de capacitación que se resuelve después. Es la prueba de si el diseño comprendió a alguien.

En la era de la IA el patrón no desaparece, sino que se agrava. La investigación en IA centrada en el humano muestra que los sistemas que aíslan, opacan o reemplazan a la persona generan rechazo y daño, mientras que los que amplifican su criterio, le dan control y se ganan su confianza, rinden.⁴ La evidencia de campo va en la misma dirección. En un experimento con cientos de emprendedores, la IA generativa ayudó a los de alto rendimiento y perjudicó a los de bajo rendimiento, porque estos seguían consejos genéricos sin el juicio necesario para filtrarlos.⁵ Sin una lectura humana que la oriente, la IA no nivela: amplía la brecha que ya existía.

Cuatro miradas, una sola conclusión. La sociología industrial de los años cincuenta, la tradición del diseño participativo, la sociología de la técnica y la investigación contemporánea sobre IA parten de objetos distintos: una mina de carbón, un sistema de información, un artefacto cualquiera, un modelo generativo. Las separan décadas y, aun así, convergen en el mismo punto: el rendimiento de una tecnología no se decide en su mérito técnico, sino en cómo se traba con la trama humana que la recibe. Que disciplinas tan distantes lleguen a lo mismo es lo que vuelve a esto un hallazgo y no una opinión. La pregunta deja de ser si la dimensión humana importa y pasa a ser quién está en condiciones de leerla.

El vacío estructural

Si el problema es sociotécnico, la solución exige leer lo humano y construir lo técnico. Pero el mercado de trabajo está partido en dos mitades que rara vez se tocan.

De un lado están quienes comprenden a las personas: los que saben de procesos, de gestión del cambio y de organización, pero no construyen el sistema. Diagnostican, entregan un informe cuidado y se retiran; después, el código lo escribe otro que nunca leyó ese informe ni se sentó con la gente de la que hablaba. Del otro lado están quienes construyen el sistema (desarrolladores, ingenieros de datos, arquitectos), que rara vez leen la organización. Reciben un requerimiento ya traducido, y mal, por un tercero, y se ponen a optimizar con todo su oficio la solución equivocada. No falla el talento de ninguno de los dos lados. Falla que nunca se encontraron.

Entre ambas mitades se abre un vacío de traducción, y es ahí donde se pierde el proyecto. Cada lado le atribuye el fracaso al otro (“el negocio no sabe lo que quiere” frente a “los técnicos no entienden el problema”), y los dos tienen parte de razón. El costo de ese vacío no es abstracto. Se paga en sistemas que nadie usa, en datos en los que nadie confía y, de manera medible, en pérdida directa: la mala calidad de datos le cuesta a la mayoría de las organizaciones una fracción considerable de sus ingresos.⁶ Ese pasivo es casi siempre la huella de un proceso humano que el lado técnico no podía ver y el lado organizacional no podía corregir.

Un intermediario que coordine a las dos partes no cierra el vacío. Eso es gestión de proyecto, y deja la traducción en manos de un documento que se degrada en cada paso. Lo que cierra el vacío es una competencia integrada: las dos lecturas ejercidas como una sola práctica, que lee la trama humana y construye el sistema sin que el sentido se pierda en el traspaso. Esa práctica no traduce entre dos especialistas; encarna la traducción.

La integración de dos dominios

Cerrar el vacío exige reunir dos dominios de competencia que el mercado mantiene separados:

• La lectura del subsistema social. Es el terreno de la sociología de las organizaciones: poder, cultura, incentivos, resistencias, procesos reales frente a procesos formales.
• La construcción del subsistema técnico. Es el terreno de la ingeniería de software y de datos: sistemas auditables, pipelines, infraestructura, y el diseño y la gobernanza de la IA con la exigencia de auditabilidad de un entorno regulado.

La mayoría de los perfiles profesionales se formó en uno de los dos dominios y lo ejerce con solvencia dentro de sus límites. El paradigma pide cruzar ese límite y ejercer los dos dominios como un continuo: diagnóstico de la organización, modelado de los datos, construcción del sistema y gobierno de la IA. Cada tramo queda atado al anterior y responde por lo que ese tramo dejó. Esa continuidad, y no la suma de especialidades, es lo que el método organiza en Los cuatro eslabones.

Criterio de honestidad. La integración de competencias es un diferencial estructural y verificable, no una proclama: se sostiene en evidencia —sistemas en producción, servidores MCP, el modelo IMIA de madurez— y no en adjetivos. Donde un dato es un supuesto, se dice. El paradigma se gana en los hechos.

Implicancias

De la tesis se sigue, sin pasos adicionales, todo lo que el resto del libro desarrolla:

1. Primero se mide la madurez, después se elige la tecnología. El diagnóstico sociotécnico precede a cualquier compra; no la acompaña. Saltearlo es la forma más cara de empezar: se adquiere la herramienta correcta para el problema equivocado, o la correcta para un problema que la organización todavía no está en condiciones de sostener. Por eso hace falta un instrumento que mida ese punto de partida antes de decidir. → IMIA — el instrumento de madurez
2. La calidad de datos es un problema social antes que técnico. Un dato “sucio” rara vez es un error de carga. Suele ser la huella fiel de un proceso humano mal diseñado o mal incentivado, como el de los tres equipos que llenan el mismo campo con criterios distintos porque a cada uno le sirve para otra cosa. No se limpia con un script: se corrige interviniendo el proceso que lo ensucia. → Conceptos propios
3. La gobernanza de IA no es un freno, sino la condición de la adopción. La auditabilidad, la trazabilidad y el control humano no se oponen a que la tecnología se use: son lo que hace que la gente confíe en ella lo suficiente para usarla. Un sistema que no se puede explicar no se adopta. Se tolera, y a la primera duda se abandona.
4. El valor se mide en la persona, no en el modelo. El entregable nunca es un modelo en producción ni un tablero encendido. Es una decisión humana mejor, una hora liberada de una tarea que no la merecía, una brecha que se cierra. Cuando la métrica se desplaza del artefacto a la persona, se vuelve imposible confundir actividad con resultado, y casi todos los proyectos que no rinden viven en esa confusión.
5. La IA es un multiplicador con signo, y el puente decide el signo. La misma herramienta amplifica lo que encuentra. Sobre orden y criterio, multiplica valor; sobre desorden y sin un juicio que la filtre, multiplica el daño y ensancha la brecha en lugar de cerrarla. Es lo que mostró el experimento de Kenia citado más arriba. La lectura humana, entonces, es lo que invierte el signo del multiplicador: convierte un amplificador de desigualdades en una herramienta para cerrar brechas.

Alcance y límites

Una tesis que se toma en serio tiene que decir también dónde termina. Cuatro precisiones marcan ese borde antes de cerrar el argumento.

Tesis y práctica: dos registros

Hay que distinguir la tesis sociotécnica, válida más allá de quien la aplique, de la práctica integrada que propone este libro: la competencia integrada ejercida como un solo recorrido. Un equipo multidisciplinario bien liderado puede encarnar la tesis. La práctica unipersonal es una apuesta diferenciada, escasa por estructura, y no una ley del campo.

Cuándo no aplica

El puente no es una respuesta universal. No aplica cuando solo se busca una herramienta llave en mano, sin cambio organizacional; cuando el problema es puramente técnico; cuando no hay apertura para que se lea la organización, o cuando el diagnóstico honesto dictamina no hacer IA todavía. En este último caso, el valor está en un informe de preparación y no en un proyecto.

Escalabilidad

La continuidad artesanal no escala en forma lineal. Para crecer, combina un núcleo de diagnóstico y diseño, la supervisión de equipos internos e instrumentos (el IMIA, los protocolos, la documentación viva) que suben el piso sin eliminar el techo del juicio.

Adopción sin teleología

La escalera y la madurez medida con el IMIA dan una dirección y una foto, y las dos son indispensables. Pero en pyme la adopción suele ser recursiva y episódica, no una marcha irreversible (Amanollahnejad et al., 2026).⁷ Un nivel que baja no siempre es un fracaso: puede ser alineación episódica que se deshace por falta de higiene o de relevo. Por eso el puente no promete llegar a la optimización conjunta como destino final. Promete gestionar el desalineamiento recurrente sin automatizar el error más rápido. A veces la fricción que aparece después de la implementación es una señal de diseño (roles ambiguos, un dato no confiable), y la respuesta es volver al diagnóstico, no acelerar el modelo.

Antítesis: contra qué argumenta la tesis

Todo lo anterior se entiende mejor por contraste. La tesis discute con cuatro posiciones cómodas:

• Contra el solucionismo tecnológico: la creencia de que el problema se resuelve comprando la herramienta.
• Contra el diagnóstico sin construcción: el análisis organizacional que no llega al sistema.
• Contra el tecnicismo sin lectura: la construcción que no entiende a quién sirve.
• Contra el entusiasmo de IA: los modelos por moda, medidos por métricas de vanidad y no por valor.

La posición del puente es lo que queda cuando se descartan esas cuatro comodidades.

Ver también: Los cuatro eslabones · Conceptos propios · Autores y corrientes · Bibliografía