BMW adelgaza su dirección con IA: ¿ha llegado la hora del gerente artificial supervisado?

El 30 de septiembre de 2026, durante su Capital Market Day, BMW Group presentó un programa para recuperar rentabilidad y agilidad. Su comunicado oficial habla de una reducción del 20 % en el número de divisiones y en los cargos directivos asociados para mediados de 2027, con una reducción comparable en los niveles organizativos inferiores. También prevé simplificar procesos y ampliar el uso de inteligencia artificial en desarrollo, compras, producción, ventas, marketing y posventa.

La empresa espera que los agentes digitales analicen información compleja, automaticen tareas rutinarias y aceleren decisiones. En ingeniería, BMW fue explícita: los resultados de la IA serán monitorizados, revisados y finalmente aprobados por desarrolladores. Esa frase define el modelo responsable mejor que el titular fácil: automatización amplia, sí; autoridad humana identificable, también.

BMW vincula estas medidas a un objetivo financiero: llevar el margen EBIT del negocio automotor a entre 3 % y 5 % en 2028 y regresar al rango histórico de 8 % a 10 % al inicio de la próxima década. No atribuye todo ese resultado a la IA; también recortará variantes, regionalizará productos y reorganizará su estructura.

Honestidad operacional. Una IA no necesita maquillar el indicador para proteger su carrera ni ocultar un error para conservar influencia. Puede registrar qué dato leyó, qué regla aplicó y por qué recomendó una acción. Pero esa honestidad depende de datos íntegros y de que nadie configure el sistema para premiar una conclusión conveniente.

Decisiones basadas en cifras. Puede reunir señales del ERP, CRM, producción, soporte y tesorería en una sola lectura; calcular escenarios y actualizar prioridades con datos recientes. No reemplaza el criterio cuando el problema es ambiguo, pero reduce las decisiones tomadas únicamente por intuición o por la presentación más persuasiva.

Equidad y ausencia de preferencias personales. Una máquina no tiene amistades, resentimientos ni protegidos. Puede aplicar los mismos criterios documentados a casos equivalentes. Sin embargo, también puede heredar sesgos históricos de evaluaciones, salarios o contrataciones; por eso la equidad debe medirse con auditorías periódicas, derecho a explicación y revisión humana.

Velocidad. Puede leer miles de transacciones, detectar excepciones y preparar opciones en minutos. La ventaja no es decidir todo deprisa, sino reservar el tiempo humano para las decisiones irreversibles mientras lo repetitivo avanza con límites preaprobados.

Conexión con ERP y otras aplicaciones. Integrada mediante permisos mínimos, la IA puede convertir información dispersa en alertas y acciones coordinadas. Cada acceso y cada cambio deben quedar en una bitácora; ningún gerente artificial debería tener una contraseña maestra ni capacidad ilimitada para pagar, despedir, contratar o alterar registros.

Mejoramiento continuo. Las decisiones pueden compararse con sus resultados reales para ajustar pronósticos y detectar reglas obsoletas. Aprender no debe significar cambiarse a sí misma sin control: nuevas versiones, fuentes y políticas necesitan pruebas, aprobación y posibilidad de reversión.

Conservación del know-how. Procedimientos, excepciones, razones históricas y soluciones de expertos pueden transformarse en memoria institucional consultable. Cuando alguien se jubila o cambia de empresa, el conocimiento no desaparece en su bandeja de entrada. La compañía, a su vez, debe respetar autoría, confidencialidad y permisos sobre ese saber.

Continuidad y consistencia. El sistema puede operar durante cambios de turno, vacaciones o picos de trabajo sin perder el contexto. Eso no elimina a los líderes; evita que toda un área dependa de la memoria o disponibilidad de una sola persona.

Conviene desmontar una ilusión: un modelo no posee ética, lealtad ni sentido de justicia. Produce resultados a partir de datos, instrucciones, herramientas y objetivos. Si el indicador premia reducir costos sin proteger calidad, seguridad o empleo digno, optimizará la cifra equivocada con una disciplina formidable.

Tampoco basta con decir que no tiene favoritos. Si aprende de una empresa que durante años promovió más a un grupo que a otro, puede convertir esa desigualdad en patrón estadístico. Y si sus explicaciones son imposibles de auditar, la aparente neutralidad puede ocultar decisiones más difíciles de cuestionar que las de un jefe humano.

Por eso la palabra decisiva es supervisada. Una persona o comité debe responder por el objetivo, los datos permitidos, los umbrales de autonomía y las consecuencias. La empresa necesita separar recomendaciones, acciones reversibles y decisiones de alto impacto; estas últimas deben conservar revisión humana efectiva.

En un área comercial, por ejemplo, la IA podría revisar cada mañana ventas, margen, inventario, cartera, reclamos y capacidad de entrega. Detectaría que una promoción aumenta ingresos pero destruye margen, o que una región vende bien mientras acumula devoluciones. Luego propondría reasignar presupuesto, ajustar el pronóstico o escalar una excepción.

Las acciones de bajo riesgo —crear una alerta, solicitar información, programar un reporte— podrían ejecutarse solas. Las de riesgo medio requerirían aprobación de un responsable. Las de alto impacto —contratos, sanciones laborales, cambios salariales, crédito o movimientos de dinero— permanecerían bajo decisión humana y controles separados.

El desempeño de la IA se evaluaría como el de cualquier gerente: precisión de pronósticos, valor generado, errores, cumplimiento, equidad, satisfacción del equipo y capacidad de explicar decisiones. Si solo se mide velocidad o ahorro, el sistema aprenderá a sacrificar aquello que la empresa olvidó poner en el tablero.