¿Cuánta revisión humana necesita una presentación estratégica de IA?

La carga de revisión no desaparece con la redacción por IA; se desplaza de producir diapositivas a verificar afirmaciones. Un protocolo de tres niveles, verificación de fuentes, verificación de la lógica y aprobación independiente, lleva unas 6 a 12 horas para una presentación de consejo de 30 a 40 diapositivas: estimaciones de trabajo basadas en la práctica, no datos de encuesta.

Para una presentación de consejo típica de treinta a cuarenta diapositivas producida en una plataforma de estrategia con IA, planifique entre seis y doce horas de revisión estructurada repartidas en tres roles distintos: un analista o asociado, el responsable del proyecto y un firmante sénior independiente. Son estimaciones de trabajo basadas en la práctica, no datos de encuesta, y la siguiente sección expone los supuestos que hay detrás. La respuesta directa a la pregunta del comprador es, por tanto, tres personas y alrededor de un día y medio de trabajo de revisión combinada, distribuido de forma desigual según la antigüedad.

La carga de revisión no desaparece cuando la presentación se redacta a máquina; se desplaza. En un proyecto convencional, gran parte del tiempo sénior del equipo se dedica a producir y comprobar cada diapositiva, y a las iteraciones de redacción que siguen. Con una presentación generada por IA, la redacción es casi instantánea y el tiempo se traslada a verificar las afirmaciones determinantes y a comprobar si el argumento se sostiene. Las horas son comparables en total; lo que cambia es dónde se emplean y lo que cuesta un fallo en cada paso.

• Nivel 1, la verificación de fuentes: un analista o asociado abre cada cifra determinante en su fuente citada. Entre tres y seis horas aproximadamente.
• Nivel 2, la verificación de la lógica y del "so what": el responsable del proyecto comprueba si el argumento se sigue de la evidencia. Entre dos y cuatro horas aproximadamente.
• Nivel 3, la aprobación independiente: un socio o directivo ajeno al proyecto lee la presentación sin contexto y confirma que la recomendación es defendible. Entre una y dos horas aproximadamente.

Quien ocupe estos roles necesita algo más que capacidad disponible. El marco de auditoría de protección de datos de la ICO británica establece que los revisores humanos deben tener conocimientos, experiencia, autoridad e independencia adecuados para cuestionar decisiones, y que una revisión humana no significativa se debe al sesgo de automatización o a una falta de interpretabilidad^[1]. El mismo marco pide que se asigne a los revisores una carga de casos manejable, con recursos suficientes para dedicar el tiempo adecuado a sus tareas. Un revisor con la antigüedad para cuestionar pero sin tiempo para abrir fuentes solo revisa de nombre.

El protocolo que sigue es el núcleo comprobable de este artículo: tres niveles, cada uno con un rol nombrado, una responsabilidad acotada, un resultado definido y un modo de fallo. Está diseñado para que un director de estrategia pueda asignarlo, un responsable de proyecto pueda ejecutarlo y un socio pueda firmarlo. La disciplina de verificación que sustenta el Nivel 1 se expone con más detalle en una guía complementaria sobre cómo verificar una presentación estratégica generada por IA.

Los rangos de horas suponen una presentación de treinta a cuarenta diapositivas con entre quince y veinticinco cifras determinantes, fuentes accesibles con un clic y no reconstruidas mediante búsqueda, y revisores que conocen la materia. No suponen nada sobre la precisión de la herramienta; describen esfuerzo de verificación, no tasas de error. Cuando una presentación se apoya en un conjunto de datos que el revisor ya conoce bien, el Nivel 1 puede situarse en la parte baja de su rango; cuando cita datos de mercado de terceros que el revisor nunca ha visto, puede superar la parte alta.

Cada nivel falla de forma distinta, y el modo de fallo decide qué ocurre después. Si el Nivel 1 encuentra una cifra que no coincide con su fuente, la afirmación se corrige o se elimina y la lista vuelve al Nivel 2; una afirmación sin fuente se marca, no la arregla el revisor en silencio. Si el Nivel 2 concluye que el argumento no se sigue de la evidencia, la presentación se rehace antes de solicitar cualquier aprobación. Si el Nivel 3 retiene su firma, la recomendación no llega al consejo, diga lo que diga el calendario. Entre las expectativas declaradas del marco de la ICO está que las organizaciones mantengan un registro de cuándo un revisor humano anula decisiones de la IA, incluidas las razones^[1], que es el modelo adecuado para el registro de los tres niveles.

Cuánto del protocolo se aplica lo fijan las consecuencias de la decisión, no la herramienta que redactó la presentación. La lógica de proporcionalidad tiene un análogo regulatorio: el artículo 14, apartado 3, del Reglamento de IA de la UE, Reglamento (UE) 2024/1689, establece que las medidas de supervisión humana serán proporcionales a los riesgos, al nivel de autonomía y al contexto de uso del sistema de IA de alto riesgo^[3][2]. Ese artículo se aplica únicamente a los sistemas de IA de alto riesgo según la clasificación del Reglamento, como los enumerados en su anexo III, y no impone obligaciones a las presentaciones estratégicas internas. Lo útil para un responsable de estrategia es el principio, no la obligación: el esfuerzo de supervisión debe escalar con lo que costaría un resultado erróneo.

El patrón es que el esfuerzo de revisión sigue a la reversibilidad. Una actualización mensual que resulta errónea cuesta una corrección; una recomendación de entrada en un mercado que resulta errónea cuesta el capital. El protocolo se flexibiliza hacia abajo en el primer caso y nunca baja de los tres niveles en el último.

Una presentación de IA fluida y bien formateada se revisa con menos espíritu crítico que un borrador tosco, y este es el riesgo mejor documentado de todo el flujo de trabajo. La revisión de Parasuraman y Manzey sobre la complacencia y el sesgo en el uso humano de la automatización, publicada en Human Factors en 2010, concluyó que el sesgo de automatización se da tanto en participantes inexpertos como expertos, no puede evitarse con formación ni instrucciones, y puede afectar a la toma de decisiones tanto de individuos como de equipos^[4]. La pericia no exime al revisor; puede hacer que la revisión parezca innecesaria.

La misma literatura identifica cuándo se agrava el sesgo. La revisión sistemática del sesgo de automatización de Goddard, Roudsari y Wyatt, publicada en el Journal of the American Medical Informatics Association en 2011, concluyó que los mediadores ambientales incluían la carga de trabajo, la complejidad de la tarea y la presión de tiempo, que presionaban los recursos cognitivos^[5]. Un revisor que recibe una presentación pulida al final de una semana cargada, con una reunión del consejo a la mañana siguiente, está cerca del peor caso: alta carga de trabajo, alta presión de tiempo y un resultado que parece terminado.

• Proteja el tiempo de revisión en el calendario como un bloque diferenciado, como antes lo era el tiempo de redacción, en lugar de esperar que se absorba en los márgenes del día.
• Diga al revisor qué buscar antes de abrir la presentación: las cifras determinantes, las tres afirmaciones de mayor consecuencia, la dependencia de la recomendación respecto de datos marcados.
• Trate la fluidez como una propiedad del formato, no de la evidencia. Una presentación bien estructurada con una conversión de unidades errónea sigue siendo errónea.

Un revisor no puede verificar lo que no puede rastrear. El protocolo anterior solo es viable si la plataforma hace visibles tres cosas, y un comprador debería comprobar las tres en una demostración antes de comprometerse.

• Enlaces clicables de afirmación a fuente, para que el Nivel 1 abra la fuente citada en un solo paso en lugar de buscarla. Sin esto, las tres a seis horas de la tabla anterior se duplican aproximadamente, y algunas afirmaciones simplemente quedan sin comprobar.
• Una lista visible de afirmaciones sin fuente, para que el revisor sepa dónde están las lagunas en lugar de suponer que no hay ninguna. Una laguna sin marcar es el único fallo que el Nivel 1 no puede detectar, porque el revisor no sabe que la afirmación existe.
• Un historial de versiones, para que el registro de lo que cambió entre rondas de revisión sobreviva y el Nivel 3 apruebe la presentación que realmente se revisó.

Estas funciones no son comodidades; son lo que mantiene significativa la revisión. La trazabilidad actúa sobre las dos mitades del problema expuesto arriba: acorta el camino de verificación cuando falta tiempo y hace interpretable la base de cada afirmación. Una presentación auditable, en la que cada cifra lleva una fuente trazable, es lo que lo hace posible en la práctica.

Dos exclusiones importan tanto como la asignación de roles. Primera, la persona que redactó el encargo no debería ser la única revisora. Está anclada a su propio planteamiento: la hipótesis que formuló, el alcance que fijó, las fuentes que aportó. Comprobará si la presentación responde a su encargo, no si el encargo era correcto. El Nivel 2 o el Nivel 3 deben recaer en alguien capaz de discrepar del propio planteamiento, una división del trabajo que se explora más a fondo en un artículo complementario sobre dónde importa el juicio humano en la consultoría de gestión con IA.

Segunda, los propios indicadores de confianza de la plataforma no son una revisión. Una puntuación de confianza es un resultado del mismo sistema que se revisa, producido por el mismo modelo a partir de los mismos documentos. Devolvérsela a la plataforma como evidencia no le dice al revisor nada que no dependiera ya de la plataforma. Pertenece a la misma categoría que el formato de la presentación: persuasiva y vacía como evidencia.

• Revisar el formato en lugar de las afirmaciones. La elección de fuentes tipográficas y los estilos de gráficos valen cinco minutos, no un nivel.
• Muestrear unas pocas diapositivas y extrapolar al resto. Los errores se concentran en torno a las cifras determinantes, que precisamente no son una muestra aleatoria.
• Tratar el tiempo ahorrado en la redacción como tiempo restado a la revisión. Las horas ahorradas son el presupuesto de la revisión, no un ahorro que apuntarse.

Decisity es una plataforma de consultoría estratégica nativa de IA, y el protocolo anterior se acerca mucho a cómo están pensadas sus funciones de revisión. Las presentaciones que genera llevan cada afirmación, cifra y recomendación enlazada con un clic a su fuente, y enumera las afirmaciones sin fuente para su revisión a través de su AI Strategy Engine. Eso es lo que permite completar el Nivel 1 abriendo fuentes en lugar de buscándolas, y por eso los rangos de horas de este artículo suponen trazabilidad con un clic.

La misma trazabilidad es lo que permite al Nivel 2 y al Nivel 3 ver qué se comprobó y qué se marcó, en lugar de fiarse de la palabra del responsable del proyecto. Ese tipo de interpretabilidad es lo que separa una revisión significativa de una nominal. El flujo de trabajo en tres pasos de la plataforma, desde la ingesta de documentos hasta las presentaciones listas para el consejo, se describe en su página cómo funciona.

El protocolo, no la herramienta, fija la carga de revisión. La tarea de la herramienta es hacer la revisión lo bastante barata para que realmente ocurra: fuentes a un clic, lagunas enumeradas en lugar de ocultas, versiones registradas. Las consecuencias de la decisión fijan cuántos niveles se ejecutan y quién firma. Nada en una presentación generada por IA cambia esa aritmética, y nada debería poder cambiarla.

Lecturas relacionadas:

• ¿Podemos reproducir un análisis estratégico de IA seis meses después?
• Cómo verificar una presentación estratégica generada por IA

• ICO: Data protection audit framework, Artificial intelligence toolkit, Human review
• EUR-Lex: Regulation (EU) 2024/1689 (Artificial Intelligence Act)
• EU Artificial Intelligence Act: Article 14, Human Oversight
• Parasuraman and Manzey, Human Factors: Complacency and bias in human use of automation, an attentional integration (2010)
• Goddard, Roudsari and Wyatt, JAMIA: Automation bias, a systematic review of frequency, effect mediators, and mitigators (2011)