La arquitectura cyborg es la regla que usamos para decidir, en cada proceso, qué queda en manos de las personas y qué pasa a la IA. Las personas definen la dirección, los valores y los límites, y responden por el resultado. La IA ejecuta, escala y señala lo que ha visto. Escrito así, parece obvio. En la práctica, muchos proyectos de IA que fracasan se equivocan justo en ese reparto: o delegan lo que no deberían, o no delegan nada y lo llaman prudencia.
De dónde viene la palabra, y de dónde viene la idea
La palabra "cyborg" la acuñaron en 1960 Manfred Clynes y Nathan Kline, en un artículo sobre vuelos espaciales publicado en la revista Astronautics. Proponían sistemas hombre-máquina autorregulados, en los que la tecnología se ocuparía de las funciones automáticas para dejar al astronauta libre para explorar, crear y pensar (Clynes y Kline, 1960). Ese mismo año, J. C. R. Licklider publicó "Man-Computer Symbiosis", donde describía a las personas fijando objetivos, formulando hipótesis y evaluando resultados, mientras los ordenadores hacían el trabajo rutinario que prepara el camino para la decisión (Licklider, 1960).
Más de seis décadas después, el reparto que propuso Licklider sigue siendo el mejor punto de partida que conocemos.
Nuestra versión viene de la experiencia de campo. Rudinei Gehm, fundador de Cortex IQ, trabaja en TI desde 2009: empezó en infraestructura y automatización industrial, pasó por consultoría y desarrollo para el sector financiero, dirigió proyectos y lideró un Growth Pod entre 2017 y 2021. La observación que atraviesa todos esos contextos es sencilla. Cuando una tecnología generó valor real, amplió lo que las personas podían hacer. Cuando intentó sustituir el criterio sin que nadie rediseñara el proceso a su alrededor, generó retrabajo.
Qué dice la investigación sobre trabajar con IA
El estudio más útil sobre el tema lo realizaron investigadores de Harvard, MIT, Wharton y otras escuelas con 758 consultores de Boston Consulting Group. En tareas dentro de las capacidades del modelo, quienes usaron GPT-4 completaron un 12,2% más de tareas, un 25,1% más rápido y con una calidad valorada alrededor de un 40% superior. En una tarea elegida precisamente por estar fuera de esas capacidades, el resultado se invirtió: quienes usaron IA acertaron menos que quienes trabajaron sin ella (Dell'Acqua et al., 2023). Según Ethan Mollick, uno de los autores, los consultores sin IA resolvieron bien esa tarea el 84% de las veces; con IA, entre el 60% y el 70% (Mollick, 2023).
Los autores lo llamaron la frontera tecnológica irregular. La IA es excelente en algunas tareas y sorprendentemente débil en otras que parecen igual de difíciles, y la línea entre unas y otras no se ve a simple vista. El mismo estudio describió dos formas de trabajar que funcionaron. Los "centauros" repartían el trabajo con una línea clara entre lo que correspondía a la persona y lo que correspondía a la máquina. Los "cyborgs" integraban la IA en todo el flujo, alternando constantemente.
Usamos el nombre en un sentido algo distinto al del estudio. Para nosotros, cyborg no es un estilo individual de trabajo, es una decisión de arquitectura: en qué puntos del proceso entra la persona, con qué autoridad y con qué información. La conclusión práctica, sin embargo, es la misma: alguien tiene que saber dónde está la frontera, y ese alguien no puede ser el propio modelo.
Las tres capas
Organizamos el reparto en tres capas.
En la capa estratégica están las preguntas sobre adónde ir, qué priorizar y qué dejar de hacer. Las personas en el centro, porque la estrategia conlleva responsabilidad y rendición de cuentas. La IA puede aportar análisis y escenarios; la decisión tiene dueño.
En la capa táctica están las preguntas sobre cómo hacerlo. Es donde la colaboración es más intensa: las personas aportan contexto y criterio, la IA aporta velocidad de análisis, coherencia y comparación entre alternativas.
En la capa operativa están la ejecución, la repetición, la supervisión y el ajuste. Aquí la IA puede y debe asumir la mayor parte del trabajo, dentro de los límites definidos en la capa superior y con un camino claro para devolver las excepciones a una persona.
Cómo decidir quién ocupa el centro
La pregunta que nos hacemos antes de cada decisión sobre IA es: ¿quién debería estar en el centro de esta decisión, y por qué? Para responderla usamos cuatro criterios.
- Reversibilidad: si una decisión errónea puede deshacerse en minutos y sin coste, la IA puede decidir sola. Si no, una persona aprueba.
- Impacto sobre las personas: las decisiones que afectan al crédito, al empleo, a la salud o al precio para un individuo requieren revisión humana. En Brasil, el artículo 20 de la LGPD ya garantiza al titular el derecho a pedir la revisión de decisiones tomadas únicamente mediante tratamiento automatizado, y el RGPD europeo recoge un principio similar.
- Verificabilidad: si el resultado puede comprobarse de forma barata, por muestreo o con pruebas automáticas, la autonomía puede ser mayor.
- Volumen: cuanto mayor es el volumen, más sentido tiene que la IA ejecute y la persona supervise por muestreo, en lugar de revisar elemento por elemento.
Un ejemplo ilustrativo de cómo funcionan juntos los criterios: un agente de atención de una tienda online que recibe solicitudes de reembolso. Un reembolso de importe bajo, con el producto ya devuelto y registrado en el sistema, es reversible, verificable y de alto volumen; el agente puede aprobarlo solo, y el equipo revisa una muestra cada semana. Un reembolso por encima de un importe fijado por finanzas, o de un cliente con historial de disputas, pasa a una persona con el caso ya resumido. Una solicitud que incluye una queja por daños a la salud nunca la decide el agente, sea cual sea el importe. Un mismo proceso, tres puntos distintos de intervención humana, cada uno elegido por un motivo que se puede explicar a un cliente o a un auditor.
Cómo lo aplicamos en Cortex IQ
No predicamos lo que no practicamos, y algunas de nuestras prácticas pueden comprobarse en este mismo sitio.
Usamos agentes de programación como Claude Code y constructores como Lovable en el desarrollo, también en este sitio. La herramienta escribe, prueba y señala problemas; una persona revisa, decide qué entra y publica. Cuando el agente no puede verificar algo, la regla es que lo diga por escrito y que una persona lo compruebe.
Los testimonios de clientes en nuestros casos solo se publican después de que el propio cliente los apruebe. El código tiene una marca de borrador que impide la publicación hasta que exista esa aprobación. La IA puede ayudar a redactar; quien autoriza es el cliente.
En nuestra página de confianza solo enumeramos prácticas que ya están en producción y no afirmamos certificaciones que no tenemos. Es una decisión de posicionamiento que ninguna herramienta tomaría por nosotros.
En las pruebas de concepto de la Cyborg Forge, el entregable final es un Decision Package con una recomendación explícita (escalar, ajustar o descartar) para que una persona del lado del cliente decida. La IA ayuda a generar evidencia. La decisión tiene nombre y apellidos.
La voz de esta filosofía
Le dimos voz a esta idea. RÜNARA es la persona institucional de Cortex IQ. No es un asistente virtual ni una mascota: es la forma en que la empresa dice en voz alta lo que piensa sobre inteligencia, datos y personas. Existe para recordar que la tecnología está al servicio de una decisión humana, y no al revés.
Por dónde empezar
Si quiere aplicar esta lógica en su empresa, empiece por algo pequeño. Elija un proceso en el que la IA ya se use, o esté a punto de usarse, y escriba en una sola página: quién decide, qué hace la IA por su cuenta, dónde está el límite y adónde van las excepciones. Si no consigue escribir esa página, ahí está el riesgo.
Nuestra metodología empieza exactamente por ese diagnóstico: sistemas, datos y procesos tal como están hoy, y dónde debería quedar cada decisión.