¿Usaría una retroexcavadora para lavar los platos o para mover cucharas? La respuesta negativa parece casi obvia, elemental. En una pregunta similar, ¿utilizaría el computador de la NASA para hacer una suma? La respuesta parece innecesaria. Pero. eventualmente, ¿no podría un político populista plantear una opción elemental como llevar agua a una región mediante la construcción de una planta que tenga un proceso de mezcla entre oxígeno e hidrógeno?; le plantearía lo obvio del proceso químico y la objeción tendría que venir de otra parte. Lo que esconde detrás es una cuestión profunda de “cálculo económico”. Dice Mises que el cálculo económico es lo que nos permite resolver esas preguntas (Mises, 1998, pp. 207-209) y esto merece citarse textualmente:

«The art of engineering can establish how a bridge must be built in order to span a river at a given point and to carry definite loads. […] It cannot tell whether or not the bridge should be built at all.«

Esta pregunta provocadora va precisamente en lo que está pasando con la inteligencia artificial IA, AI en inglés o simplemente la máquina de patrones emergentes como me gusta decirle a mí. Estamos, quizás, y digo quizás porque existe una incertidumbre fundamental en cuanto a sus precios, en uno de los momentos donde esta tecnología está demasiado barata. Así que eso es lo que quizás nos permite estar usando una tecnología muy potente para tareas en las que, ante un tema de mercado, no se haya incorporado aún el precio. ¿Es esto una posibilidad?

Por un lado, el avance vertiginoso de la tecnología, con una disrupción y una mejora en su estándar cada 6 meses, que da la sensación de que, por el mismo precio, la máquina de patrones emergentes da más. Por otro lado, incluso los esquemas pagados, como Claude y OpenAI, empiezan a poner límites a su uso. Se cuentan anécdotas de compañías -como Über- que gastaron todo su presupuesto en IA en cuatro meses, como lo relata un artículo de The Financial Times. ¿Cómo resolver el reto de la inteligencia artificial en caso de que empiece a escasear? ¿Cómo resolver el reto de una escasez de una tecnología tan masificada? ¿Una práctica financiera que únicamente restrinja el uso de tokens en el presupuesto?

Estas preguntas son las que haría un CFO o incluso un CEO. Pero la forma de responderlas debe acudir a medios outside the box que plantean incluso leer Doctrina Social de la Iglesia, antropología, lógica, derecho y cultura. Plantear la pregunta adecuada es quizás más importante que la respuesta, como lo planteaba Einstein. A veces —como se expondrá a lo largo del texto— el ahorro de un proceso podría estar por cuestionar si es una obligación legal o por revisar internamente los vicios de pereza, de falta de creatividad o de humanidad.

Este escrito usa el método outside the box de Eco+Nomos.Se muestra que la pregunta de cómo optimizar el consumo de tokens puede pasar por la filosofía, la antropología, el derecho, los hábitos del trabajador, la cultura de la burocratización y el reduccionismo de formularios. El salto puede desconcertar a ciertos lectores, pero encontrar la pregunta correcta, como “experimento mental”, implica preguntarse sobre un juego de causas que no está en los marcos evidentes de los procesos “ágiles” de las empresas o de las áreas de sistemas dedicadas a construir “historias de usuario”.

¿Cuánto nos va a costar la inteligencia artificial?

Existen también diversas consideraciones en torno a si el afán inversionista en estas compañías (algunas aún no listadas en bolsa) es sostenible. Las valoraciones de las compañías relacionadas son bastante elevadas, aunque algunos objetan que el P/E no incorpora el CapEx. Pero esa valoración elevada se descarta si se revisa el índice de Buffett que utiliza la división entre el Wilshire 5000 (que es un índice de capitalización bursátil de empresas listadas en EE. UU.) y el PIB nominal de Estados Unidos. El PIB nominal incorporaría el CapEx en Estados Unidos. Entre 2007 y 2022 el Buffet Index mantuvo un promedio de 1.34x; hoy está a más del doble, en 2.86x. Incluso, entrando en el detalle, las compañías consideradas defensive no plantean crecimientos significativos, sino que ese impacto está focalizado en las Magnificent 7 (muchas de ellas impactadas por esto) y, principalmente, en compañías como Nvidia y, en general, asociadas con esta tecnología. No conozco una valoración por segmento de IA, Microsoft externaliza en una compañía todavía no listada como OpenAI y Google todavía no deja entrever con facilidad el segmento. Anthropic, la otra compañía, tampoco se encuentra listada.

Existe una pregunta en finanzas sobre si la excesiva valoración plantea posturas divergentes sobre si existe un comportamiento de tipo burbuja o si se trata simplemente de anticipación de la caja futura. ¿Es esto otra burbuja dot-com? En gracia de discusión, asumiré que la valoración elevada -que se observa a nivel macroeconómico- está anticipando un crecimiento muy fuerte [mi tesis interna, aunque reconoce la tecnología, no implica desconocer un precio no justificado].

El mercado bursátil, en medio de sus no linealidades, está esperando rendimientos de inversionistas que no plantean un trading intradiario o de corto plazo. En el caso concreto de la IA, una valoración tan elevada implicaría que la industria en su conjunto tendría que obtener retornos exorbitantes. Dichos retornos implicarían, en términos económicos, lo que se conoce como un P*Q elevado. O bien la industria en el futuro será capaz de cobrar un precio elevado, o que, a pesar de cobrar precios razonables, la demanda excederá la oferta. Un P*Q elevado, que es la tesis de valor implícito, partiría de un gasto neto más elevado en comparación con la IA, lo que lo haría de un costo bastante significativo en los estados financieros de las compañías como para ignorar el problema (más allá de si genera ahorros por menor demanda laboral). Esta es una hipótesis que asume una tesis fundamental correcta del mercado.

Lo que es claro es que hoy la industria directa (diferente de los productores, diseñadores y demás de semiconductores) no se encuentra en su punto de equilibrio y que el costo del Q —tanto fijo como variable— es mucho más complejo de identificar porque al final depende de un costo energético (León XIV, 2026, n. 101). Si la rentabilidad esperada del mercado es similar al valor del movimiento en bolsa, los precios de equilibrio deberían ser muchísimo más altos. Calcular esos costos es difícil. El costo de inferencia por millón de tokens podría estar entre 1 y 2 dólares, dependiendo de los miles de supuestos utilizados. Eso no incluye costos de la industria tradicional, como redes, procesamiento y almacenamiento; tampoco incluye el costo de diseño, entrenamiento, costos fijos y de la nómina que los negocios puedan tener. Los costos de la utilización pueden ser más elevados y su masificación podría estar tentándonos a usar la máquina para mover cucharas que luego nos arrendarán al costo de su energía, o ya no nos servirá el modelo de patrones usado por computadores para proyección meteorológica de la NASA para sumar uno más uno. El cálculo económico de mover toda esa energía del modelo ya no haría razonable el uso de una tecnología potente en un tema trivial (Mises, 1951, pp. 121-122).

Puede que, como dicen los inversionistas más optimistas sobre la tecnología, el tema de los costos elevados permita una masificación fuerte que mejore modelos actuales. Pero, no parece ser el caso como el ejemplo del gasto de Über de todo su presupuesto de IA en 4 meses, las restricciones que Open AI y Anthropic empiezan a poner a sus modelos y finalmente la necesidad de sostenibilidad financiera del modelo serían indicios para por lo menos estar preparados para una escasez de la tecnología en comparación con el ahorro que se asumió para su masificación. ¿Cómo afrontar el problema?

¿Automatizar vicios?

Una de las discusiones más interesantes en este tema proviene de una fuente improbable: el papa León XIV en una carta encíclica llamada Magnifica Humanitas (León XIV, 2026). La reflexión antropológica plantea ejemplos muy profundos de los impactos de esta tecnología, pero su potencial práctico es una sorpresa constante. Uno de los casos que el Papa cuestiona es llevar la IA a la guerra (León XIV, 2026, nn. 197-200). El caso es simple: crear agentes de IA para automatizar la labor de eliminación del enemigo, de la guerra. Esta denuncia busca evitar que la tecnología se convierta en una excusa para profundizar los vicios humanos, sino, por el contrario, ser una razón para elevar el nivel de la persona humana y que pueda alcanzar fines cada vez más elevados en los ámbitos moral, personal, familiar y espiritual (León XIV, 2026, n. 15).

Este llamado si se sintetiza, no llevar los vicios a la IA sino usar la IA para superar vicios, no solamente tiene un potencial moral, sino paradójicamente económico que podría ayudar a revisar la visión óptima en el uso y adaptación a esta nueva tecnología sin volverse un dolor de cabeza para el área financiera. Es importante tener en cuenta que los vicios son muy amplios: van desde esa sed de guerra hasta la simple pereza de dejar el trabajo para el día siguiente o hacerlo simplemente quedándose en la excusa de que excede las funciones propias de un rol.

En una compañía existen procesos redundantes, inhumanos, ceremoniales o simplemente ineficientes por el vicio humano que sea [Aunque hay algunos controles necesarios]. Algunos de esos procesos, que podrían tener sentido humano por el uso en el papel (por ejemplo, la existencia de talonarios y de hojas enumeradas para auditoría), se suben igual cuando se sistematizan, generando lentitud en los software, en el cómputo y un uso subóptimo de la tecnología. Básicamente, el computador asume un trabajo doble por la pereza de quien lo sistematiza. Aquí surge el famoso dicho “el perezoso trabaja doble” que termina teniendo como efecto “programa software para que trabaje el doble”.

Los hábitos cuando se empieza a pasar al área de informática persisten. Las «metodologías ágiles» se vuelven en muchos casos esquemas de burocratización, en procesos cerrados que no resuelven necesidades. No es una oposición a las “metodologías ágiles”; tengo una admiración profunda por el modelo Toyota; su efecto en días de inventario en comparación con la industria es visible. Particularmente, su inventario está 7.38 días por debajo de la industria, lo que libera más o menos en dinero unos 4.8 mil millones de dólares. Pero muchas veces lo que las compañías terminan haciendo es tomar la historia y la documentación de procesos exitosos como una serie de reglas que no aplican en otras circunstancias, culturas, equipos o la naturaleza misma del proceso. De esa forma lo que se originó como innovación, se convierte en alienación. No se piensa qué llevó a una compañía a trabajar de esa forma, sino que se imponen como una receta exacta que no da pie para casos concretos ni creatividad. Podría poner a trabajadores a llenar las fichas de Toyota sin entender para qué lo hacían, generando pérdidas de tiempo. Esto es un problema cultural fuerte. El arraigo cultural lo vuelve un peso muerto, el peso muerto del vicio termina traduciéndose en problemas de productividad, de pérdida de tiempo y reflejándose en las cifras de la compañía.

Pero, para entender cómo actúa el vicio y también soluciones que lo superan se van a mencionar algunos ejemplos de actitud frente a la tecnología, la «automatización» de la DIAN y los menú de los call centers.

Antes de la IA, en muchos procesos para mí el uso de la tecnología para resolver lo operativo era clave. Creé formulaciones y macros para automatizar el cuadre de una proyección de balance, averigué cómo crear archivos planos para que procesos de 3 horas se hicieran en 10 minutos. No digo que no me haya burocratizado, pero estas son soluciones sencillas, debajo de las narices, que cualquier empleado puede aportar. Y eso también florecía en una cultura que privilegiaba este tipo de soluciones. Había un compañero, un líder espectacular, que no se dejaba engañar por lo llamativo de Power BI y Tableau y, de la mano de un ingeniero de sistemas, creaba toda una serie de necesidades informáticas usando una mezcla de SQL y Excel. Él mismo aprendía y empujaba a su equipo a este mejoramiento continuo. —Tenemos un dashboard espectacular en Excel. ¿Para qué pagar por algo que con la tecnología actual hacemos bien?—hubiera dicho con facilidad. Además, a pesar de ser de otra área, siempre estaba dispuesto a compartir conocimiento e información, generando lo que en economía se llama spillover. ¿No hubiera podido cerrarse a cuidar su “rancho”?

Pero volviendo a mi proceso, también hubo mejoramiento continuo en varios temas que me permitieron asumir el reto de un área e incluso bajarle cargas a la compañía. Con series de tiempo, entendiendo la lógica económica de cuentas de balance, lograba automatizar proyecciones de cartera e impuestos con mejor bondad de ajuste que la de quienes dependía para conseguir dicha información. Esa liberación de tiempo se volvía valiosa para encontrar cuentas extrañas, opciones de optimización financiera, entre otros. Ese hábito era económico para la compañía en la que en su momento trabajaba. Alguna vez ante una demanda informática la forma de resolverla fue con la lógica SQL y Excel poniendo de presente la cultura del cuidado de los recursos.

Supongamos que el rol lo hubiera recibido con la potencia tecnológica de la época. Hacer el cuadre de balance con un agente consumiendo tokens, en vez del plano del bot usando el computador y metiéndose pestaña por pestaña del software HFM. El robot habría podido abrir los reportes complejos de las proyecciones de impuestos y cartera que yo no hubiera revisado y los incorporaría directamente al excel. Le dictaría al bot que mande un correo preguntando por las diferencias de proyección. El software de gestión mencionado habría supuesto un costo adicional para la compañía que contrataría un bot programador. En ese caso, sí, la IA habría reemplazado mi trabajo en el peor de los escenarios. Saldría de la compañía hasta que el costo del agente fuera lo suficientemente alto como para volver a contratar a un humano que realizara una labor “robótica”.

Ese ejemplo es precisamente uno de los que llevan los vicios a la máquina de patrones emergentes o a la IA. Vicios que, además, no aprovecharían todo el potencial de eficiencia que plantea la IA. Los ejemplos de vicios de automatización son numerosos. Una vez conocí a unos estudiantes que tenían un proyecto de cheques en la blockchain, muy interesante, pero prácticamente calcaron la ley diseñada para títulos-valores en papel y, en el software, había que dar un paso para crear el talonario. ¿Para qué se necesitan talonarios en el mundo virtual? ¿Era necesaria la traducción del paso a paso? ¿Por qué no aprovechar ventajas de trazabilidad, cronomarcación y demás?

Una experta en llevar los vicios al mundo digital es la DIAN. ¿Para qué, en la facturación electrónica, se requiere un acto administrativo que otorgue, por un tiempo, una autorización de facturación? Siquiera es automático, pero esto plantea esas debilidades. Además, ese tipo de autorizaciones de facturación se justificaba cuando existían talonarios y la auditoría dependía del papel. Pero el control ya puede ejercerse de otra manera. Además, esa lentitud y complejidad desincentiva el uso de la facturación electrónica en la nube, algo más ágil les serviría para irónicamente recaudar más y a la mejora de controles: ¡A veces la tecnocracia dificulta incluso en contra de sus objetivos!

Hace algunos años, la DIAN planteó un proyecto engorroso para la negociación de la factura como título-valor. Se trata de una plataforma llamada RADIAN. Aunque la plataforma es una mejora respecto al papel y permite auditar facturas online, el proceso mantuvo vicios presentes en el mundo offline. Uno de los vicios que dejaba entrever el software era cierta religiosidad de la plataforma que parecía derogar la normativa vigente en temas esenciales, una de esas era vincular la cesión de un derecho al paso por los formularios de la plataforma. ¿La plataforma deroga la autonomía de la voluntad privada de quien quiera negociar con papel? Ese tipo de restricciones que generan los sistemas son comunes en esquemas burocráticos, y la excusa la ineficiencia es el sistema que como se mencionó está diseñado por humanos que le transmiten su pereza. El Papa León XIV es enfático en el rol del programador en el proceso, debe ser un agente moral y que pueda responder por sus decisiones (León XIV, 2026, nn. 104-105) y la preocupación se plantea para temas elevados, pero en temas pequeños también se puede calcar un proceso que funciona bien en papel pero que en la nube genera costos. E incluso, todo el desarrollo por pesadas áreas de project management deberían también ayudar a clarificar que son herramientas para facilitar la vida, no para crear nuevas esclavitudes. Y esas áreas deberían incluso ver si están promoviendo implícitamente una vulneración a la libertad de las personas en la forma de realizar negocios.

Uno de los vicios más comunes en ese afán de robotizar a la persona se ve en las áreas de servicio al cliente. Aunque deberían llamarse más bien clientes al servicio, porque es el cliente quien está perdiendo el tiempo. Un cliente, cuando llama a un área de servicio al cliente, tiene una necesidad que, si fuese matematizable, se encontraría en un plano de opciones infinitas [puede el lector profundizar en los distintos infinitos de Cantor para entender que se trata de una crítica matemática al delirio de convertir todo en medida]. Pero cuando llama hay tres opciones ambiguas y discretas que pueden sintetizarse así:

1. Área que se parece a su necesidad pero no es
2. Área que no se parece a su necesidad y no es
3. Hable con un asesor que no contesta.

La IA eventualmente podría mantener el mismo esquema y cambiar el asesor que no contesta por una voz virtual que diga: —El sistema, por políticas, no está autorizado a realizar el cambio— y cuelgue (León XIV, 2026, nn. 102-103). Podría haber desarrollo tecnológico, pero definitivamente no hay desarrollo humano (León XIV, 2026, n. 94). Sale más barato un agent que robotizar a una persona, pero se pierde una opción de humanización.

¿Cómo aprovechamos la IA como humanización aquí? La IA, en el área de servicio al cliente, sí tiene una oportunidad: acabar con los menús inútiles y, de entrada, dejar que la persona describa su necesidad y se desahogue. La IA tendría una velocidad mucho más interesante para, dentro de los procesos de la entidad, clasificar exactamente a quién dirigir si no puede dar una solución inmediata y, si no la tiene, comunicarse con una persona humana con capacidad de decisión y negociación para encontrar una solución para ambas partes. La IA podría ayudar también a calificar el servicio, no ese absurdo indicador que llaman NPS; se podría automatizar para recibir todas las quejas y no abusar de los números [que fallan precisamente porque la necesidad está en un infinito real mientras que los números están en una categoría discreta] y analizar patrones de dolores comunes que vean si el cliente se queja del aire acondicionado frío, caliente, del aseo o de la mala cara de quien atiende. ¿Cabe eso en un “10 si nos recomienda, 0 si no nos recomienda”? Podría lanzarse una pregunta provocadora: ¿realmente necesita KPIs el área de servicio al cliente? ¿Qué dice un NPS de 45?

Las prácticas humanas, procesos, ideas pueden tener vicios, o ser viciosas al automatizarse por incluir reprocesos que no son necesarios en ese ambiente. Esa cuestión que suena a moral y que la trae el líder de una religión podría dar una intuición o provocarnos al punto clave para hacer ahorros, hábitos, cultura, prácticas, mentes acríticas y esto, ser una causa posible del agotamiento del presupuesto de tokens. Y con esto cierro: ¡esos vicios cuestan plata!

¿Qué aporta el ser humano en todo este entramado?

Algunos dicen que decirle inteligencia a la IA es irrelevante. Que se trata de una calculadora potente, una enciclopedia en la nube con mayor velocidad para navegar entre distintos temas y con base en patrones generar de forma ordenada y emergente otros patrones bastante precisos. Comparto esta idea pues se trata de una tecnología espectacular. El problema es que el nombre engaña a otros incautos que parecen ver la IA con una reverencia mágica, irracional y podrían anularse pensando que la capacidad de silogismos, imágenes, patrones, o lógica con una indexación probabilística potente excluye a la humanidad (León XIV, 2026, n. 99). Esta última postura, producto de ese miedo humano, permite de todas maneras plantear una inquietud filosófica para salir de este problema. Y la respuesta va en un camino hacia la humanización, volver a preguntarse lo humano (y eso de paso ahorra plata).

Invertir en la gente, en mi opinión —y creería que la de muchos— es buen negocio. Y reconocer el valor humano tanto en la creación como en su uso podría ser clave a la hora de enfrentar el problema. ¿Reemplazamos a humanos con IA o sacamos al máximo las potencias humanas para trabajar con IA? (León XIV, 2026, n. 51) ¿Qué distingue la máquina de patrones emergentes o, sin ser cuidadosos con los nombres, la IA, de la inteligencia humana o del ser humano? ¿No estará en repensar esa pregunta y potencial lo humano que no tiene la IA la solución incluso para ahorrar costos? Estas preguntas filosóficas me gusta pensarlas, darles vueltas y razonarlas con base en un aforismo que intenta ser punzante en la teoría del derecho y de paso en la antropología misma:

«¡Qué lástima que la pirámide de Kelsen sea imposible! Si fuera posible , la inteligencia artificial nos libraría de una vez por todas de los abogados».

Aquí la idea es provocar una intuición, a través de la paradoja que trataré de sintetizar a continuación.  Kelsen tenía el sueño —aplicable al derecho— del logicismo formal. La “lógica” habría podido construir una teoría “pura” del derecho sin estar atada a esa irracional emoción. Se podría obedecer, con simplicidad, cualquier orden que pudiera llevarse al “primer constituyente”. Si eso fuera posible, la pirámide de Kelsen podría caber fácilmente en esa enciclopedia gigantesca, ¿y para qué jueces? ¿abogados? Pero la cuestión macro de todo el ordenamiento jurídico se puede volver en términos computacionales como problemática si miramos los problemas a nivel de un simple comando.

H.L.A Hart  planteaba una pregunta de significado sobre el comando “prohibido el ingreso de vehículos al parque” (Stumpff, 2013, pp. 650-652). El derecho anglosajón es exasperante en su afán de definir. Y la cantidad de definiciones sumada con los casos concretos llevaría a una serie de pasos infinitos sobre  qué es un vehículo, que es ingreso y qué es un parque, como le encanta al derecho anglosajón. Estas iteraciones hacen que el derecho pueda entenderse como un fractal, como lo expresa un paper interesantísimo (Stumpff, 2013, pp. 653-656). En dicho paper se plantea una ley de la conservación de la ambigüedad y cómo la lógica regla-excepción-excepción a la excepción empieza a plantear esa frontera difusa de lo que se conoce coloquialmente como “zona gris” (Stumpff, 2013, pp. 665-666). ¿Esta serie de iteraciones no plantearía una creación infinita de pasos? ¿Cuántos tokens consumiría resolver esta solución? (Stumpff, 2013, pp. 676-677) 

El sueño de Kelsen de un derecho sin lagunas, producto de esa fe en el formalismo logicista, parece verse truncado por los teoremas de Gödel (Stumpff, 2013, pp. 668-670). Estos teoremas plantean una cuestión que hace que ciertos sistemas matemáticos planteen incompletudes (puede haber frases del sistema no demostrables en pasos finitos) o impidan probar su propia consistencia desde sí mismos. Su relación con Kelsen se indica como indicio y parte de esta filosofía del límite mismo de la tecnología. Lo que hace Gödel (desde el entendimiento popular) es básicamente romper la posibilidad de que toda verdad llegue por pasos finitos. En otras palabras, todos los tokens, el uso de energía de los potentes modelos, no pueden llegar en pasos finitos a ciertas conclusiones. ¿Cómo se ve esto en el ser humano?

La primera pregunta es si la potencia de Gödel podría haber surgido en el eje probabilístico de la máquina de patrones emergentes o si simplemente hubiera terminado peor que Über, gastándose el presupuesto del año en una hora. En términos matemáticos, lo que genera la inteligencia artificial como máquina de patrones emergentes está en un nivel de infinitos discretos, lo que puede generar que el ser humano sea superior a un nivel de infinitos números reales o incluso relaciones inesperadas entre estos números. Esta descripción se ve con mayor precisión en la sabiduría incorporada en aforismos, paradojas y frases “autorreferenciales” (los atenienses son mentirosos; soy ateniense; luego soy mentiroso; la “capta” la máquina por repetición).

Si veo un gremio que rechaza la IA y hasta anhela volver a ver errores de ortografía, son los escritores. El mundo literario plantea ejes que nunca podrá tener una máquina que hace haikus precisos. Uno de los poemas orientales que podrían estar en línea con esta intuición es el koan “¿Cómo suena el aplauso con una sola mano?”. La genialidad literaria es precisamente salirse de la capacidad enciclopédica y generar desde el interior de la persona humana nuevas relaciones, inesperadas, improbables, ¿imposibles en sentido matemático? ¿Qué probalidad da el universo para que surgiera un ser que se preguntara por la probabilidad del universo? Y esto conecta con el derecho: ¿puede la justicia estar contenida enciclopédicamente? ¡No nos libramos de los abogados! Aunque sí de la burocratización robótica en materia de producción de documentos, la aceleración en la investigación y la velocidad para someter a tensión esas ideas que surgen de la creatividad humana. En derecho, por ejemplo, mi uso de la IA es acelerar la comprensión, plantearle las tensiones, profundizarla y construir conceptos lo suficientemente robustos citando toda la normativa pertinente. Si el abogado se dedicara a llenar minutas y no a conceptuar fácilmente será reemplazado por un agente, eso inclusive se podía hacer desde antes.

La inteligencia humana natural, además de ser un rápido bibliotecario como lo es la artificial, no se reduce únicamente a la mecánica de la función ejecutiva, sino a la capacidad de encontrar formas distintas, atajos, caminos diferentes, experimentos mentales. La inteligencia excede el diseño de formularios. El diseño de formularios es producto de la cultura burocrática, que, si fuera una operación matemática, la llamaría la anti-optimización (Stumpff, 2013, pp. 670, 673). Esta capacidad de descubrir está en una función no muy reconocida y es la entrepeneurial hability que trata Israel Kizner en un libro sobre creatividad y justicia distributiva. En un ejemplo concreto de una persona en un pozo distingue la posibilidad de encontrar madera, clavos y un martillo de la capacidad de armarla con técnica y precisión (Kirzner, 1989, pp. 20-22). ¿Será esto inteligencia? Más allá de la discusión, ¿tiene esa habilidad la “inteligencia artificial”? Esa capacidad de descubrimiento por ejemplo no se ve en el caso mencionado anteriormente de la DIAN de crear formularios que que auto sabotean sus objetivos.

En una tesis de filosofía  derecho y economía García-Muñoz (2012, pp. 96-103) se desarrolló una pregunta interesante sobre este tema en una sección que se llama agrícola cooperatur. La tesis aborda la génesis de la ciencia económica en el pensamiento de Santo Tomás de Aquino. En él se cuestiona por qué la ley de la economía de los rendimientos marginales decrecientes no cumplió las predicciones de Thomas Malthus de una hambruna apocalíptica. La ley de los rendimientos marginales es verdadera (Mises, 1998, pp. 128-129), pero está sujeta a una restricción clave: dado el nivel tecnológico de la época. El libro menciona que algunos autores, entre ellos Schumpeter, reconocen este acervo de innovación como la posibilidad de avance. La cuestión del agrícola cooperatur y la capacidad del agricultor de mejorar las cosechas se dan porque aunque el proceso parezca únicamente sujeto a las leyes de la naturaleza -semilla, suelo, clima- el agricultor también influye causalmente en el proceso y puede observarlo y mejorarlo. Sabe las mejores fechas de acuerdo con el clima, las estaciones, los meses y puede ir descubriendo formas distintas de operar y de activar otros órdenes necesarios o “fatales” de la naturaleza. Si el agricultor simplemente se hubiera dedicado a repetir un proceso de siembra y no observar factores, y de paso se lo deja a un agente consumiendo tokens, la ley del rendimiento marginal decreciente sería inexorable. Y es que la IA, como proceso originario de la materia, está sujeta a las leyes del rendimiento marginal decreciente, al consumo de energía que es en últimas el principal indicador atado a ella. Por el contrario, la persona humana es capaz de descubrir la forma de hacer un bot más barato, rápido o hasta gratis.

Otro ejemplo es lo que me parece un buen CFO en la era del «big data«. La capacidad de un buen CFO no está en vivir en mil bases de datos, sino en crear atajos mentales para resolver problemas financieros de forma rápida. Se cree que el analista debe estar jugando con muchas bases de datos, cuando lo que debe abstraerse es el patrón que subyace a ellas. Las bases de datos inclusive pueden formularse mal si se incorporan columnas con dependencias lineales [una columna o fila de una matriz es función de otra] por ejemplo como repetir nombre y cédula. ¿Cuánto se ahorra en costos computacionales un financiero que construya el repositorio de datos sin dependencias lineales? Esto, para la inversión, es muy potente; con dos variables se puede dar una opinión razonable sobre el camino a seguir. Una regla de servilleta con inversiones es multiplicar por 10 o 5 para tener conclusiones preliminares de formas veloces en asesorías de valor. ¿Por qué? ¡Tampoco le regalo mis trucos! No mentiras, es por división sobre la tasa de interés de una variable de caja. Puede que el CFO no conozca todos los detalles del libro mayor, de los planes financieros, de la facturación por hora trabajada, por FTE [Full time employee], al centavo, pero sí saber, con dos variables, cómo estimar una posición razonable de los efectos. Por ejemplo, si un CFO sabe que el margen de una compañía del 10% depende de la nómina y el salario mínimo sube un 23% y el 50% de la nómina se paga a ese nivel, ya sabe que la subida va a moler el margen en al menos 1%. Y si la compañía es un negocio de rotación, el impacto es mayor y puede dar de inmediato una pauta o un lineamiento de acción. Incluso puede que ni siquiera tenga que hacer el cálculo sino tener incorporada la dinámica causal interna. La inteligencia artificial podría ayudar a acelerar la búsqueda del monto de las variables, pero ¿sabría plantear la pregunta precisa que sintetice todo el conocimiento del fenómeno que se necesita conocer?

El cierre de este punto es que la capacidad humana es descubrir, pensar, lograr atajos y ver algo distinto cada vez. Es una capacidad que está en la literatura, la filosofía, el pensamiento científico profundo (tipo Einstein) o el pensamiento matemático, tal vez no en la memoria ni en el contexto.

Concretando (Si es que eso es posible)

¿Qué pasará cuando se revele el verdadero costo de la inteligencia artificial? ¿Servirán las automatizaciones de proyectos, tipo project management, que no descubren el uso real y que, con “metodologías ágiles”, simplemente trasladan a un sistema la ineficiencia humana? La cuestión, como decía Einstein, radica en formular la pregunta verdadera. Una forma tentadora de usar la IA es plantearse la pregunta: ¿Cómo seguir usando la maquinaria para mover cucharas de manera eficiente cuando me empiecen a cobrar caro por eso? ¿Cómo seguir usando la calculadora de la NASA para sumar uno más uno en un entorno de escasez? Esa es la pregunta habitual que desconoce la capacidad de descubrimiento humano; no será más bien la pregunta: ¿Cómo uso UNA VEZ la inteligencia artificial para que me haga una máquina para mover cucharas? ¿Cómo creo una calculadora, un script en Python o lo que sea, en la máquina, para poder seguir sumando uno más uno de forma veloz?

Y con esto termino un evento concreto de cómo la pregunta a veces está en un eje totalmente sorprendente. Toda la compañía que me empleaba en su momento estaba trabajando para crear un proceso que necesitaba contratar prácticamente un equipo; tenía una demanda elevada de poder de cómputo y de reproceso. El problema iba a generar, además, una cartera innecesaria, y mi rol tenía que cuidar el capital de trabajo. La pregunta partía de un error: ¿cómo automatizamos el proceso relacionado con esto en el marco de las nuevas consideraciones de Radian? El proceso había pasado por todas las “metodologías ágiles”, historias de usuario, costos del área de sistemas. Pero partía de una premisa errónea subyacente. ¿Es jurídicamente necesario hacerlo? La respuesta era negativa; lo sabía como jurista (trabajando en el área financiera). Al final todas las áreas apoyaron la iniciativa y reversaron el peso muerto. Aunque era eficiente la propuesta, si uno se queda en el rol -como incluso me lo ordenaron- ¿no era más simple decir «esa pelota es de jurídica» y presionar al área del nuevo «chicharrón» a que agilizara?

El reto con la IA para no gastarse el presupuesto en tokens de un año en 4 meses es cambiar el eje de la pregunta: ¿la estoy utilizando para seguir con los mismos vicios? ¿Estoy poniéndola a que me automatice lo que hago cuando lo que hago tiene reprocesos, horas muertas o podría hacerlo mejor? ¿Estoy delegándole vicios o la estoy usando para ser más virtuoso? (León XIV, 2026, n. 100)

Replantear los problemas, cuestionarse, en últimas volver a la pregunta de lo que tiene cada persona como humano, es lo que hará que el uso de tokens no nos lleve al límite de los rendimientos marginales decrecientes sino que como el agricultor nos permita cada vez producir más alimentos. Volver a eso que nos hace humanos, demasiado humanos, naturalmente inteligentes, capaces de descubrimiento, inventiva y genialidad, es la clave para sacarle jugo a la IA. La IA ya hace bien tareas inside the box; nuestro valor está en -precisamente- pensar outside the box. No se trata de perder la retroexcavadora para mover cucharas, el computador de la NASA para sumas, sino usarlos para lo que son: una máquina que cree una máquina de mover cucharas, una que cree una calculadora que acelere las sumas.

BIBLIOGRAFÍA

García-Muñoz, J. A. (2012). El tomismo desdeñado: Una alternativa a las crisis económica y política. Editorial Planeta Colombia; Universidad Católica de Colombia; Università degli Studi di Salerno.

John, J. (2026, June 29). Businesses face up to budget-busting AI bills. Financial Times. https://www.ft.com/content/811247b5-c42d-4bf5-8bfd-c73d85f70293

Kirzner, I. M. (1989). Discovery, capitalism, and distributive justice. Basil Blackwell.

León XIV. (2026, 15 de mayo). Magnifica humanitas: Sobre la custodia de la persona humana en el tiempo de la inteligencia artificial [Carta encíclica]. Santa Sede.

Mises, L. von. (1951). Socialism: An economic and sociological analysis (J. Kahane, Trad.). Yale University Press. (Obra original publicada en 1922).

Mises, L. von. (1998). Human action: A treatise on economics (Scholar’s ed.). Ludwig von Mises Institute. (Obra original publicada en 1949).

Stumpff, A. M. (2013). The law is a fractal: The attempt to anticipate everything. Loyola University Chicago Law Journal, 44(3), 649–681. https://lawecommons.luc.edu/luclj/vol44/iss3/2/