La IA ya puede ejecutar.
¿Quién le explica el negocio?
Cuando las máquinas dejan de limitarse a responder y empiezan a actuar, el análisis de negocio se vuelve imprescindible
La inteligencia artificial ya no sólo redacta, resume o recomienda. Los agentes de IA pueden interpretar información, encadenar tareas y actuar dentro de un proceso. La cuestión ya no es únicamente qué puede hacer la tecnología, sino quién define qué debe hacer, con qué límites y para conseguir qué resultado.
Lunes, 8:00 de la mañana
Mientras el equipo empieza a conectarse, un agente de inteligencia artificial ya ha leído las solicitudes recibidas durante el fin de semana, ha consultado información en varios sistemas, ha identificado tres casos urgentes y ha propuesto una actuación.
Parece una magnífica noticia. Hasta que alguien hace una pregunta incómoda:
¿Con qué criterio ha decidido que esos tres casos eran prioritarios?
La respuesta técnica llega enseguida: “El agente ha aplicado las reglas definidas”. Entonces aparece la pregunta verdaderamente importante: ¿quién comprobó que esas reglas representaban bien el negocio?
De la IA que responde a la IA que actúa
Hasta ahora, la relación era sencilla: una persona formulaba una petición, la IA generaba una respuesta y alguien decidía qué hacer con ella. Los agentes cambian ese equilibrio. Pueden recibir un objetivo, interpretar datos, elegir una acción, utilizar herramientas, comprobar un resultado y continuar con el siguiente paso.
Ya no hablamos sólo de una IA que prepara un texto para revisión. Hablamos de una IA que interviene en un proceso. Y cuando una tecnología entra en un proceso, deja de ser únicamente una cuestión tecnológica. Se convierte en una cuestión de negocio.
Ejecutar una regla no significa comprenderla
Imaginemos un agente encargado de gestionar solicitudes. Comprueba unas condiciones y decide si debe aprobar, rechazar, pedir documentación o derivar el caso a una persona. Parece sencillo, pero tras cada decisión aparecen preguntas que no son técnicas:
- ¿Qué significa realmente que una solicitud esté completa?
- ¿Qué ocurre si dos fuentes ofrecen información diferente?
- ¿Qué excepciones puede resolver y cuáles debe escalar?
- ¿Cómo se explicará después la decisión?
- ¿Quién responde si la actuación es incorrecta?
Un agente puede aplicar una regla miles de veces. Lo que no sabe necesariamente es por qué existe, qué riesgo trataba de evitar o en qué situación deja de ser válida.
El problema no es que la IA no pueda ejecutar una regla. El problema es que también puede ejecutar perfectamente una regla equivocada.
La ambigüedad también se automatiza
Pensemos en un agente que debe localizar clientes duplicados. Encuentra dos registros con el mismo documento de identidad y decide unificarlos. La conclusión parece lógica: mismo documento, misma persona.
Sin embargo, uno de los registros representa una relación contractual y el otro conserva una relación comercial histórica. La IA ha detectado una coincidencia, pero el negocio necesitaba diferenciar identidad, relación, contrato y contexto.
El agente no ha interpretado mal una instrucción completa. Ha interpretado correctamente una instrucción insuficiente. Y cuanto mayor sea su velocidad, mayor puede ser el impacto del error.
El nuevo compañero no entiende las indirectas
En las organizaciones existe mucho conocimiento que nunca se ha escrito. Sabemos que “depende del caso”, que una excepción se admite bajo ciertas circunstancias o que un dato no siempre significa lo que indica su nombre. Para una persona experta, esas frases activan años de experiencia. Para un agente, son huecos.
La IA necesita propósito, criterios, contexto, límites y mecanismos de validación. Necesita saber qué puede decidir, qué debe proponer y qué tiene que escalar. Alguien debe convertir el conocimiento implícito de la organización en decisiones comprensibles y trazables. Ese trabajo es análisis de negocio.
Antes diseñábamos pantallas. Ahora diseñaremos decisiones
El analista seguirá definiendo procesos, información y requisitos. Pero los agentes obligan a prestar más atención al diseño de decisiones: qué situación activa una actuación, qué datos se necesitan, qué reglas se aplican, qué excepciones existen, cuándo interviene una persona y cómo se medirá el resultado.
No basta con añadir una aprobación humana al final.
La supervisión también debe diseñarse. Si una persona recibe cien decisiones y dispone de unos segundos para revisar cada una, puede existir intervención humana formalmente, pero no una supervisión real.
El analista como traductor, entrenador y conciencia crítica
Traductor. Convierte objetivos, necesidades y restricciones en instrucciones que puedan comprender tanto las personas como los sistemas.
Entrenador. Define ejemplos, excepciones y retroalimentación para que el agente sepa no solo qué hacer, sino cuándo debe detenerse.
Conciencia crítica. Pregunta si la decisión es explicable, segura, reversible y coherente con el propósito del proceso.
La pregunta que no debemos delegar
La IA puede resumir reuniones, detectar contradicciones y preparar borradores de requisitos.
Pero el valor del analista nunca estuvo sólo en escribir. Está en preguntar:
¿estamos resolviendo el problema correcto?, ¿qué excepción estamos olvidando?, ¿qué sucede si los datos fallan?, ¿quién se verá afectado?, ¿cómo sabremos que esto aporta valor?
No todo lo que puede automatizarse debe automatizarse.
La IA puede ayudarnos a responder más rápido. El análisis de negocio debe evitar que respondamos muy deprisa a la pregunta equivocada.
Una prueba antes de poner un agente a trabajar
✓ ¿Qué objetivo de negocio persigue?
✓ ¿Qué decisiones puede tomar y cuáles no?
✓ ¿Qué hará si los datos son incompletos o contradictorios?
✓ ¿Cuándo deberá pedir intervención humana?
✓ ¿Cómo explicará y dejará trazada su actuación?
✓ ¿Qué indicador demostrará que aporta valor?
Si no podemos contestar estas preguntas, quizá el agente todavía no esté preparado. O quizá quienes no estamos preparados somos nosotros.
El futuro necesita más análisis, no menos
Cuanto mayor sea la autonomía de una tecnología, más importantes serán el propósito, la calidad de las reglas, la trazabilidad y la comprensión de sus consecuencias.
Durante años pedimos a los sistemas que almacenaran información, realizaran cálculos y mostraran resultados. Ahora empezamos a pedirles que interpreten situaciones y actúen. Ya no bastará con explicarles qué botón deben pulsar. Tendremos que explicarles cómo funciona el negocio, qué persigue, qué límites no debe cruzar y cuándo debe reconocer que no sabe qué hacer.
La IA ya puede ejecutar. Ahora alguien tendrá que explicarle el negocio.
Y puede que ese sea uno de los trabajos más importantes que haya tenido nunca un analista de negocio.
Gerente de Comisiones en Santalucía
Project Manager | Business Analyst | Executive Coach y Mentor
Referencias consultadas:
- IIBA Spain: “Maximizar el valor de la IA: un enfoque basado en oportunidades para analistas de negocio”.
- IIBA: “BA for AI: Agentic AI and the Future of Business Analysis”, 9 de julio de 2026.
- IIBA Poland: “Business Analysis in the Age of AI Agents”.
